"數(shù)據(jù)集"相關的文章
數(shù)據(jù)分析
產(chǎn)品經(jīng)理的必修課：數(shù)據(jù)集概念與實戰(zhàn)技巧

產(chǎn)品經(jīng)理的必修課：數(shù)據(jù)集概念與實戰(zhàn)技巧

你知道一個好用的AI產(chǎn)品背后，數(shù)據(jù)集是怎么設計的嗎？產(chǎn)品經(jīng)理不是算法工程師，但卻必須懂數(shù)據(jù)。本文用最通俗的方式，帶你掌握數(shù)據(jù)集的核心知識與實戰(zhàn)技巧，讓你在AI項目中不再“被動跟進”，而是主動引領。
AI
大模型 SFT 微調(diào)數(shù)據(jù)集的構建方法

大模型 SFT 微調(diào)數(shù)據(jù)集的構建方法

在大模型應用加速落地的背景下，SFT（Supervised Fine-Tuning）成為提升模型能力的關鍵環(huán)節(jié)。而數(shù)據(jù)集，正是微調(diào)的“燃料”。本文將系統(tǒng)拆解 SFT 微調(diào)數(shù)據(jù)集的構建方法，從數(shù)據(jù)來源、清洗策略、標注規(guī)范到質量評估，帶你深入理解如何打造高質量、可復用的訓練數(shù)據(jù)。
AI
訓練集、驗證集、測試集和而不同，國內(nèi)數(shù)據(jù)集又是怎樣光景？

訓練集、驗證集、測試集和而不同，國內(nèi)數(shù)據(jù)集又是怎樣光景？

在AI的世界中，有關數(shù)據(jù)集的“故事”有很多，這篇文章里，作者就繼續(xù)講述有關AI數(shù)據(jù)集的那些原理，梳理了訓練集、驗證集、測試集的區(qū)別和聯(lián)系，以及目前國內(nèi)數(shù)據(jù)集的現(xiàn)狀、挑戰(zhàn)和應對之策。想弄懂AI數(shù)據(jù)集的同學，不妨來看看這篇文章。