Training Data چیست ؟
مدل هوش مصنوعی برای یادگیری به مثال نیاز دارد. مجموعه اطلاعاتی که در فرایند آموزش برای یادگیری یا تنظیم مدل استفاده میشود، Training Data یا داده آموزشی نام دارد.
این داده بسته به مسئله میتواند متن، تصویر، صدا، جدول یا نمونههای برچسبخورده باشد. برای مثال، مدلی که قرار است تصاویر گربه و سگ را تشخیص دهد ممکن است با تعداد زیادی تصویر نمونه آموزش ببیند.
کیفیت Training Data اهمیت زیادی دارد. اگر داده پر از خطا، تکرار یا نمونههای یکطرفه باشد، مدل میتواند همان مشکلات را یاد بگیرد. همچنین برای یک کاربرد تخصصی باید نمونههایی داشته باشیم که به شرایط واقعی آن کاربرد شبیه باشند.
داده آموزشی با اطلاعاتی که هنگام استفاده در Prompt یا RAG به مدل میدهیم یکی نیست. Training Data در فرایند آموزش روی پارامترهای مدل اثر میگذارد، در حالی که Context یا اسناد بازیابیشده معمولاً فقط برای همان درخواست در اختیار مدل قرار میگیرند.
در Fine-tuning هم یک مجموعه داده آموزشی کوچکتر و هدفمند میتواند برای تنظیم رفتار مدل استفاده شود. بنابراین وقتی درباره کیفیت یک مدل صحبت میکنیم، فقط معماری مهم نیست؛ دادهای که مدل از آن یاد گرفته هم بخش مهم داستان است.