Fehler-Driven Data Curation
Fehler-Driven Data Curation ist ein iterativer Prozess, bei dem Modellfehler analysiert werden, um problematische Datenpunkte (z.B. falsch gelabelte, seltene Fälle oder Ausreißer) zu identifizieren und zu korrigieren oder gezielt neue Daten zu sammeln, die dem Modell helfen, besser zu lernen.
Kategorie: Training, Daten & Fine-Tuning
Herkömmliche Datenkuratierung findet oft vor dem Training statt. Bei der Fehler-Driven Data Curation (Error-Driven Data Curation) hingegen werden die Fehler eines bereits trainierten oder in Entwicklung befindlichen KI-Modells systematisch genutzt, um die Datenqualität zu verbessern. Der Prozess umfasst typischerweise folgende Schritte:
Synonyme / Tags
- Error-Driven Data Curation
- Fehlerbasierte Datenoptimierung
- Modellfehler-Datenfeedback
Die ganze Definition im Member Hub braucht ein kostenloses Konto.