نظرة على مسارات التعلّم النشط من DagsHub

تتناول هذه المراجعة حديثاً آخر من YOLO VISION 2023 (YV23). وفي هذه الفعالية التي تدعمها Ultralytics، واستضافها مقر Google for Startups في مدريد، قدّم Yono Mittlefehldt، المدافع السابق عن التعلّم الآلي في DagsHub، حديثاً عن بناء مسارات التعلّم النشط.

مقدمة ونظرة عامة#

استُهلت المحاضرة بمقدمة عن مسارات عمل التعلّم النشط والاختلافات بين التعلّم النشط وأساليب التعلّم الخاضع للإشراف التقليدية.

إعداد البيانات#

تمهد الخطوة الأولى لمسار عمل التعلّم النشط، وتشمل استيراد التبعيات وإعداد مصدر البيانات وإثراء البيانات الوصفية بالتعليقات التوضيحية الأولية.

تدريب النموذج#

بعد تجهيز البيانات، تأتي خطوة تدريب النموذج. وباستخدام مجموعة بيانات Ultralytics YOLOv8 وملف YAML الخاص بها، أضاف يونو دوال الاستدعاء لتسجيل المعلمات والمقاييس أثناء التدريب، ما يسهّل تتبع كل عملية تدريب ومقارنتها.

دورة التعلّم النشط#

تتمثل الخطوة التالية في دورة التعلّم النشط، وهي عملية تكرارية تشمل تحميل النماذج المدرّبة مسبقًا، وتقييم البيانات غير الموسومة، واختيار العينات الأكثر إفادة لإضافة التعليقات التوضيحية. وتُثري كل دورة مصدر البيانات بتنبؤات جديدة، فيتحسن النموذج مع كل تكرار.

التعلّم النشط لتجزئة الصور#

طبّق يونو بعد ذلك التعلّم النشط على تجزئة الصور. وأُرسلت التنبؤات إلى Label Studio لإضافة التعليقات التوضيحية، ما أظهر كيف يمكن لنموذج التجزئة أن يتحسن عبر دورات متعددة.

استخدام Label Studio#

يُعد Label Studio أداة محورية في مسار العمل هذا. وتخزّن المشروعات البيانات المشروحة، فيما تتصل خوادم Label Studio بواجهة API للمهام. ويساعد ربط المهام بأسماء المشروعات على تنظيم سير العمل وتيسير التعاون.

في الختام#

في ختام المحاضرة، أجاب يونو عن أسئلة الجمهور، وتناول موضوعات شملت تحسين مسارات العمل لمهام محددة وقابلية إعادة إنتاج النتائج والتوثيق.

أظهرت المحاضرة إجمالًا كيف يمكن للتعلّم النشط أن يجعل وسم البيانات وتدريب النماذج أكثر كفاءة. ونتطلع إلى تطوير هذه الأفكار بدعم مجتمعنا ومشاركته.

شاهد الحديث كاملًا على YouTube.