МОДЕЛЬНО-ОРИЕНТИРОВАННЫЙ, ДАННО-ОРИЕНТИРОВАННЫЙ ИЛИ ГИБРИДНЫЙ ПОДХОД В МАШИННОМ ОБУЧЕНИИ

Авторы 

        Максудов Х.Т. – кандидат физико-математических наук, доцент кафедры цифровой экономики, Политехнический институт Таджикского технического университета имени академика М.С. Осими, г. Худжанд, Республика Таджикистан, kh.maqsudov@gmail.com
          Иномов Б.Б. – старший преподаватель, кафедра цифровой экономики, Политехнический институт Таджикского технического университета имени академика М.С. Осими, г. Худжанд, Республика Таджикистан, behruzinomov@gmail.com

Аннотация

В статье подробно анализируются три основных подхода в машинном обучении — модельно-ориентированный, данно-ориентированный и гибридный. Рассматриваются достоинства и недостатки каждого из них. Показано, что большинство современных систем искусственного интеллекта используют модельно-ориентированный подход, который фокусируется на улучшении архитектуры и гиперпараметров моделей машинного обучения. Однако данно-ориентированный подход, сосредоточенный на качестве и жизненном цикле данных, может значительно повысить точность и надежность моделей. Подробно рассмотрены особенности применения данно-ориентированной инфраструктуры, включая понимание предметной области, версионирование данных и другие аспекты. Отмечено, что переход к данно-ориентированному подходу имеет множество преимуществ. Делается вывод о целесообразности в будущем все больше опираться на данно-ориентированный подход в машинном обучении, поскольку качество данных критически важно на всех этапах
жизненного цикла систем искусственного интеллекта.

Ключевые слова

искусственный интеллект, метод ориентированный на данные,
метод ориентированный на модель, код, качество модели.