harjoitusdata

Harjoitusdata on dataa, jota käytetään mallien opettamiseen, kalibrointiin ja arviointiin koneoppimisessa sekä laajemmin datanalytiikassa. Sen tarkoituksena on tarjota riittävän edustava ja laadukas aineisto, jonka perusteella malli oppii tunnistamaan piirteitä ja tekemään päätöksiä. Harjoitusdata eroaa tuotantodatasta, jota käytetään reaaliaikaisessa toiminnassa, sekä testidatasta, jota käytetään mallin suorituskyvyn arviointiin ennen käyttöönottoa.

Harjoitusdata voi olla merkittyä (valvottu oppiminen) tai merkitsemätöntä (valvomaton oppiminen tai itseohjautuva oppiminen). Se voi koostua todellisista havainnoista, keinotekoisesti generoituista tiedoista tai näiden yhdistelmistä. Datan koko, laatu ja monimuotoisuus vaikuttavat mallin kykyyn yleistyä. Data augmentation ja syntetinen data voivat parantaa suorituskykyä, kun todellista dataa on rajallisesti.

Käyttökohteita ovat muun muassa kuvantunnistus, puhe- ja tekstintunnistus sekä ennakoivat mallit eri toimialoilla. Harjoitusdata jaetaan usein koulutus-, validointi- ja joskus sisäisesti testijoukkoihin, jotta mallin opettamista voidaan seurata ja virheitä tunnistaa sekä säätää hyperparametreja.

Laatu ja hallinta ovat keskeisiä: harjoitusdatan on edustettava, laadultaan luotettavaa ja hyvin dokumentoitua. Tiedon lähteet, keruumenetelmät, mahdolliset vinoumat sekä käyttöoikeudet on selvitettävä. Tietosuoja ja eettisyys, kuten anonymisointi ja GDPRin noudattaminen, ovat olennaisia potilas-, käyttäjä- ja asiakastietojen käsittelyssä.