آموزش برچسب گذاری داده ها برای یادگیری ماشینی

معرفی Introduction

• نیاز به برچسب گذاری داده ها The need for data labeling

1. با برچسب گذاری داده ها شروع کنید 1. Get Started with Data Labeling

• فرآیند برچسب گذاری داده ها The data labeling process

• رویکردهای برچسب گذاری داده ها Approaches to data labeling

• چالش‌های برچسب‌گذاری داده‌ها، بهترین شیوه‌ها و موارد استفاده Data labeling challenges, best practices, and use cases

• برچسب گذاری داده ها با Azure ML Data labeling with Azure ML

• راه اندازی یک فضای کاری Azure ML Setting up an Azure ML workspace

• راه اندازی پروژه برچسب گذاری تصویر: ایجاد دارایی های داده Setting up an image labeling project: Creating data assets

• راه اندازی پروژه برچسب گذاری تصویر: پیکربندی تنظیمات Setting up an image labeling project: Configuring settings

• برچسب زدن و بررسی دستی تصویر Manual image labeling and review

• بررسی پیشرفت برچسب‌گذاری دستی Manual labeling progress checks

2. برچسب‌گذاری داده‌های دستی و ML-Assisted روی Azure را انجام دهید 2. Perform Manual and ML-Assisted Data Labeling on Azure

• یادگیری ماشین خودکار برای طبقه بندی تصاویر Automated machine learning for image classification

• بررسی معیارهای آموزشی مدل Examining model training metrics

• بینش پروژه برچسب گذاری داده ها Data labeling project insights

• برچسب‌گذاری به کمک ML با خوشه‌بندی و پیش برچسب‌گذاری ML assisted labeling with clustering and pre-labeling

• پیکربندی استنتاج برای اجراهای آموزشی جدید Configuring inference for new training runs

• کاوش مجموعه داده برچسب‌گذاری شده Exploring the labeled dataset

3. از Snorkel برای برچسب گذاری داده ها استفاده کنید 3. Use Snorkel for Data Labeling

• برچسب گذاری برنامه ای با اسنورکل Programmatic labeling with Snorkel

• نصب کتابخانه های پایتون Installing Python libraries

• کاوش مجموعه داده اسپم هام Exploring the spam ham dataset

• نوشتن و تجزیه و تحلیل توابع برچسب زدن Writing and analyzing labeling functions

• بررسی سایر عملکردهای برچسب‌گذاری Exploring other labeling functions

• برچسب‌گذاری برنامه‌ای با استفاده از رای‌دهنده برچسب اکثریت Programmatic labeling using the majority label voter

• امتیاز دهی و مقایسه مدل های برچسب Scoring and comparing the label models

4. توابع و مدل های برچسب گذاری متنوع در Snorkel ایجاد کنید 4. Create Diverse Labeling Functions and Models in Snorkel

• افزایش تعداد توابع برچسب زدن Increasing the number of labeling functions

• استفاده از احساسات و بخش‌هایی از برچسب‌گذاری گفتار در عملکردهای برچسب‌گذاری Using sentiment and parts of speech tagging in labeling functions

• ارزیابی معیارهای تابع برچسب‌گذاری روی داده‌های آزمایشی Evaluating labeling function metrics on test data

• استفاده از تمام توابع برچسب‌گذاری برای برچسب‌گذاری داده‌ها Using all labeling functions to label data

• آموزش یک طبقه بندی کننده بر روی برچسب های تولید شده به صورت برنامه ریزی شده Training a classifier on programmatically generated labels

نتیجه Conclusion

• خلاصه و مراحل بعدی Summary and next steps