Učení s učitelem (Supervised learning)

Příklady z praxe

1. 01

   Třídění reklamací v e-shopu

   E-shop má historické reklamace označené kategoriemi jako doprava, platba, poškozené zboží nebo vrácení peněz. Model se učí z textu zprávy a dalších údajů odhadnout kategorii nové reklamace. Výsledek pomůže směrovat tiket správnému týmu, ale člověk stále řeší nejasné nebo právně citlivé případy.

2. 02

   Odhad ceny doručení

   Logistická aplikace zná minulé objednávky, vzdálenost, hmotnost, typ služby a skutečnou cenu přepravy. Regresní model se naučí odhadovat cenu pro novou zásilku před odesláním. Nepřesnost se projeví přímo v marži, takže tým sleduje chybu zvlášť pro různé segmenty zásilek.

   X_train, y_train = trenovaci_vstupy, trenovaci_stitky
   model.fit(X_train, y_train)
   
   predikce = model.predict(X_test)
   metrika = vyhodnot(predikce, y_test)

Časté omyly

MýtusKdyž mám hodně dat, učení s učitelem si poradí samo.

Ve skutečnostiVelké množství dat nepomůže, pokud jsou štítky chybné, vstupy nereprezentují reálný provoz nebo je v datech skrytý únik informace. Kvalita dat a správné vyhodnocení jsou stejně důležité jako velikost sady.

MýtusModel s nejlepší chybou na trénovacích datech je nejlepší model.

Ve skutečnostiNízká trénovací chyba může znamenat přeučení. Učení s učitelem se posuzuje hlavně podle výkonu na validačních a testovacích datech, která model při optimalizaci nepoužil.

Časté dotazy

Proč učení s učitelem potřebuje testovací data?

Testovací data ukazují, jestli se model naučil použitelný vztah, ne jen detaily trénovací sady. Učení s učitelem může dosáhnout nízké chyby na datech, která už vidělo, a přesto selhat na nových případech. Oddělený testovací vzorek simuluje budoucí použití a pomáhá odhalit přeučení, únik informace nebo špatné rozdělení dat.

Kolik označených dat učení s učitelem potřebuje?

Učení s učitelem potřebuje tolik označených dat, aby pokrylo důležité varianty reálných vstupů. Malá sada může stačit pro jednoduchý problém s jasnými vzory, ale složitý text, obraz nebo chování uživatelů obvykle vyžaduje výrazně širší pokrytí. Rozhodující není jen počet záznamů, ale také kvalita štítků, vyváženost tříd a podobnost dat s budoucím provozem.

Stačí u učení s učitelem sledovat přesnost?

Přesnost není vždy nejlepší metrika pro učení s učitelem, hlavně když jsou třídy nevyvážené. Model, který u vzácného podvodu vždy řekne „nepodvod“, může mít vysokou přesnost a zároveň nulovou praktickou hodnotu. V takových úlohách se sleduje například precision, recall, F1 skóre, ROC křivka nebo náklad chybného rozhodnutí.

Může se model učený s učitelem doučovat za běhu?

Učení s učitelem může být průběžně aktualizované, ale produkční doučování vyžaduje opatrnost. Nové štítky přicházejí se zpožděním, mohou obsahovat chyby a mohou měnit rozdělení dat. Bez validace může nová verze modelu zhoršit výsledky pro část uživatelů. Běžná praxe je dávkové přeučení, porovnání verzí a monitoring po nasazení.

Zdroje

1. Supervised learning(otevře se v novém okně)Wikipedia
2. Machine Learning Glossary(otevře se v novém okně)Google for Developers
3. Basic classification: Classify images of clothing(otevře se v novém okně)TensorFlow
4. Quickstart(otevře se v novém okně)PyTorch

Související pojmy

• BackpropagationBackpropagation je algoritmus, kterým neuronová síť zjistí, jak moc se má každá váha změnit. Spočítá chybu na výstupu a pomocí řetízkového pravidla ji postupně rozpočítá zpět přes všechny vrstvy až na vstup.
• KlasifikaceKlasifikace je úloha strojového učení, při níž model přiřazuje vstupům jednu nebo více předem daných tříd. Používá se například pro spam, detekci podvodů, rozpoznávání obrázků nebo třídění zákaznických zpráv. Model se učí ze štítkovaných dat a jeho výstupem bývá třída, skóre nebo pravděpodobnost.
• RegreseRegrese je úloha strojového učení a statistiky, při které model odhaduje spojitou číselnou hodnotu z hodnot vstupních proměnných. Typickým výstupem je cena, teplota, doba trvání nebo objem prodeje. Model se učí ze vzorků se známou odpovědí a jeho chybu měříme vzdáleností předpovědi od skutečné hodnoty, nejčastěji střední kvadratickou chybou.
• Křížová validaceKřížová validace je postup hodnocení modelu strojového učení, při kterém se data opakovaně rozdělí na trénovací a testovací část a model se vyhodnotí na každé části zvlášť. Výsledné metriky se zprůměrují, takže odhad výkonu méně závisí na jednom náhodném rozdělení dat a lépe odhalí přeučení.
• A/B testováníA/B testování je řízený experiment, který porovnává dvě varianty stránky, funkce, ceny nebo sdělení na podobných skupinách uživatelů. Měří předem zvolenou metriku, například konverzi nebo retenci, a pomáhá rozhodnout, zda změna skutečně zlepšuje výsledek, nebo zda pozorovaný rozdíl mohl vzniknout náhodou.
• AI agentAI agent je softwarový systém, který pomocí modelu umělé inteligence vnímá zadaný kontext, plánuje další kroky a samostatně volá nástroje nebo služby k dosažení cíle. Na rozdíl od jednorázového promptu udržuje stav úlohy, vyhodnocuje výsledky akcí a může opakovat postup, dokud nesplní zadání nebo nenarazí na limit.
• AI etikaAI etika je obor, který zkoumá, jaké dopady mají systémy umělé inteligence na lidi, a formuluje pravidla pro jejich návrh, trénink a provoz. Řeší zaujatost dat, transparentnost rozhodování, ochranu soukromí, odpovědnost za chybu i bezpečnost modelu. Ve firemní praxi se promítá do interních politik, dokumentace modelů a povinností podle regulace typu AI Act.
• ArbitrážArbitráž je obchodní strategie, která využívá rozdíl v ceně stejného nebo ekonomicky shodného aktiva na různých trzích, místech nebo v různých formách. Trader se snaží levně koupit a současně dráž prodat, aby zisk vznikl z cenové nesrovnalosti, ne z dlouhodobého odhadu směru trhu. V praxi rozhodují poplatky, rychlost, likvidita a riziko vypořádání.