Optical Character Recognition (OCR) är en teknik inom AI som syftar till att känna igen text på bilder och omvandla dem till redigerbar text. OCR är en viktig teknik för att digitalisera dokument och göra det möjligt att söka efter specifika ord eller fraser i stora textmängder. OCR-system kan träna på stora dataset med bilder …
Dataförstärkning (Data augmentation) är en teknik som används inom maskininlärning för att öka mängden tillgänglig träningsdata genom att skapa nya exemplar från befintliga exempel. Genom att använda olika typer av transformationer på befintliga data, som t.ex. spegling eller rotation, kan man skapa fler exempel som är liknande de ursprungliga exemplen. På så sätt kan man …
Generative Adversarial Networks (GANs) är en typ av generativ modellering där två neuronnätverk tränas samtidigt. Ett av neuronnätverken genererar syntetiska exempel medan det andra neuronnätverket försöker skilja de syntetiska exemplen från de riktiga exemplen. Träningsprocessen fortsätter tills det genererande neuronnätverket producerar exempel som är svåra att skilja från de riktiga exemplen. Ett exempel på GAN-användning …
Transfer Learning är en teknik inom maskininlärning som innebär att en modell som har tränats på en uppgift används för att lösa en annan uppgift. Detta innebär att modellen inte behöver tränas från grunden för varje ny uppgift, vilket sparar tid och resurser. Istället kan en befintlig modell användas som grund och sedan finjusteras för …
Gradientbaserad optimering (Gradient-based optimization) är en metod för att hitta optimala värden för en funktion genom att iterativt justera dess parametrar baserat på gradienten av funktionen. Metoden används ofta inom maskininlärning för att justera vikterna i ett neuralt nätverk under träning. Exempel på gradientbaserade optimeringsalgoritmer inkluderar Stochastic Gradient Descent (SGD), Adam och Adagrad.
Storskalig modellträning innebär att man tränar modeller på en stor mängd data, vanligtvis på flera datorer samtidigt för att hantera den enorma mängden data och beräkningar som krävs. Detta används för att bygga modeller som är mer robusta och som kan hantera stora datamängder. Ett exempel på storskalig modellträning är när Google tränade en modell …
DeepDream är en teknik inom maskininlärning där neurala nätverk används för att skapa drömlika bilder genom att förstärka och förvränga mönster i en bild. Tekniken har använts för konstnärliga ändamål och för att förstå hur neurala nätverk fungerar. DeepDream fungerar genom att mata in en bild i ett tränat neural nätverk och sedan öka aktiviteten …
Ensemblering är en teknik där man kombinerar flera olika modeller för att få en mer robust och noggrann prediktiv modell. Ensemblering kan användas för att minska risken för överanpassning av modellen och för att hantera brusiga data. Ett exempel på ensemblering är Random Forests, där man skapar ett stort antal beslutsträd och kombinerar deras resultat …
Generativ modellering är en gren av maskininlärning där modellen lär sig att skapa nya exempel som liknar de som den tidigare tränats på. Det kan användas för att generera exempel på bilder, text eller ljud. Ett exempel på generativ modellering är Generative Adversarial Networks (GAN), där två neurala nätverk tränas tillsammans för att skapa nya …
Scikit-learn är en öppen källkodsbibliotek som används för att utföra olika uppgifter inom maskininlärning, såsom klassificering, regression och klusteranalys. Biblioteket innehåller en mängd olika algoritmer, inklusive SVM (Support Vector Machines), Naive Bayes, KNN (K-Nearest Neighbors) och mycket mer. Exempel på användning av Scikit-learn kan vara att bygga en klassificeringsmodell för att identifiera om en e-post …
