Нейронні мережі в data engineering з використанням наборів тренувальних даних.

Abstract

У середині 1950-х років було розроблено перше програмне забезпечення, яке по функціоналу було наближче до людських навичок і вирішення проблем. Хоча концепція штучного інтелекту еволюціонувала протягом останніх двадцяти років, проблема полягала не в програмуванні, а у відсутності пам’яті комп’ютера, що сповільнювало його роботу. Для розробки штучного інтелекту потрібні були вищі швидкості обробки інформації, особливо у випадку компʼютерного зору. Програми, які вимагають більше обчислювальної потужності, ніж більшість сучасних пристроїв, є чудовими кандидатами на системи ШІ. Наприклад, у сфері охорони здоров’я машинне навчання може групувати схожі медичні випадки, щоб ідентифікувати закономірності, використовувати найновіші дані для прогнозування та виконувати інші завдання з керування даними. Комп’ютерний зір – це галузь штучного інтелекту, яка використовує дані для виявлення та ідентифікації об’єктів, які були знайдені через камеру девайсу [1]. Актуальність теми кваліфікаційної роботи «Нейронні мережі в data engineering з використанням наборів тренувальних даних» ґрунтується на тому, що в час розвитку штучного інтелекту та компʼютерного зору збільшується необхідність в генеруванні великої кількості даних та навчальних матеріалів. Саме це провокує проводити дослідження, розробляти нові рішення, щоб створити системи, які надалі будуть в автоматизованому режимі генерувати нові датасети. На даний час данні є одним з головніших факторів, які можуть вплинути на покращення роботи нейронних моделей та на збільшити їх точність. Кожна ітерація розробки в сфері штучного інтелекту веде до нових відкритів або обмежень, які частіше відбуваються через не змогу подолати певні програмні ліміти. Тому в ШІ данні допомагають вирішити питання, що призводять до нового кроку вперед. Особливо, якщо розглядати згорткові нейронні мережі та компʼютерний зір, які стають все більш популярні у 9 рішення звичайних буденних задач або при достатньо складних системах для задач великої компанії.