hrvatski

Generiranje umjetnih podataka za testiranje i verifikaciju modela strojnog učenja

Testiranje i verifikacija modela strojnog učenja uvelike ovisi o podacima nad kojima se ti procesi izvode. Za određene probleme strojnog učenja teško je doći do skupova podataka koji zadovoljavaju sve njihove potrebe. Ograničenja tih podataka mogu biti razna, poput nedostatne količine skupa podataka, ograničenja zaštite privatnosti korisnika, statistička ograničenja skupa podataka i mnoga druga. Korištenjem umjetno generiranih podataka se smanjuju, ili čak u potpunosti uklanjaju, prethodno spomenuta ograničenja. Tako se smanjuju pogreške modela koje su nastale kao posljedica korištenja neprikladnih skupova podataka. U ovom radu istražit će se najčešće korišteni modeli u području generiranja umjetnih podataka, te će biti predložena i implementirana četiri generatora umjetnih podataka za odabrani problem strojnog učenja koristeći programski jezik Python. Generirani skupovi podataka će biti prokomentirani s obzirom na problem koji se njima rješava.

generiranje umjetnih podataka ; strojno učenje ; generativni modeli ; generativne kontradiktorne mreže ; Python ; WGAN ; TGAN

nije evidentirano