기계 학습 팀이 더 나은 데이터를 통해 더 나은 모델을 구축 할 수 있도록 도와줍니다. 이를 통해 회사는 적극적인 학습을 사용하여 모델 교육에 적합한 데이터를 선택할 수 있습니다. 고급 필터링 및 활성 학습 알고리즘을 통해 모델 교육을위한 최고의 샘플을 지능적으로 선택하십시오.
* 클래스 배포판의 균형을 맞추고 중복성 및 데이터 세트 바이어를 제거하십시오. 대상 정확도에 도달 할 때까지 모델 교육을위한 최상의 데이터 만 레이블을 지정하십시오.
* 데이터 세트의 품질과 다양성을 분석하십시오. 큰 그림에서 데이터의 가장 작은 뉘앙스에 이르기까지 Lightly의 전체적인 견해로 데이터를 더 잘 이해하십시오. 시간과 비용을 절약하기 위해 라벨링하기 전에 클래스 분포, 데이터 세트 간격 및 표현 편향을 발견하십시오.
* 생산에서 모델 성능을 모니터링하십시오. 지점 이상 및 실패 사례.
* 에지 또는 클라우드에서 직접 분포되지 않은 데이터를 선택하십시오. 모델을 재교육하고 업데이트하기 위해 데이터를 다시 보냅니다.
* 데이터 세트를 관리합니다. 다른 버전을 추적하고 데이터 세트가 준비되면 버튼 클릭으로 레이블링과 공유하십시오.
가볍게 : 엔드 투 엔드 활동 학습
