Machine Learning / AI

Jak sestavit train/val/test rozdělení a benchmark? Jak správně rozdělit data?

Pověz mi o úloze hodnocení výslovnosti: jak přistoupit ke zlepšení modelu, který detekuje chyby ve výslovnosti fonémů a zvuků?

Na malém autě našli LR, velikost batch se v clusteru zvýšila 1000krát. Je třeba změnit LR?

Co dělat, pokud byl test již použit a ukázal špatný výsledek?

Kdy používat train, validation, test a benchmark?

Existuje mnoho hyperparametrů optimalizátoru, 10 000 experimentů, málo času, ale hodně zdrojů. Jaké přístupy k hledání optimální kombinace?

Co se do klasifikátoru vkládá kromě vložení zvuku?

Jaký úkol klasifikace řešíme při hodnocení výslovnosti fonémů?

Jak trénujeme model klasifikace fonémů? Co je v cíli?

Jaké nápady lze vyzkoušet pro přesné zarovnání fonémů?

Kdy je třeba test vyměnit? Jak rozpoznat případ, kdy je test zastaralý, od případu, kdy test vyhořel kvůli opakovanému použití?

Jak v praxi poznat, že test došel nebo došlo ke změně rozdělení?

Pokud je velikost dávky větší, bude gradient menší nebo větší?

Jak udělat nucené zarovnání — určit, od které sekundy do které sekundy zní každá fonéma?

Proč je náhodné vzorkování lepší než mřížka i v 2D: srovnání mřížky 100x100 a 10 000 náhodných bodů?

Učební rychlost a velikost dávky jsou nezávislé parametry? Existuje mezi nimi vztah?

Jak označit zvuková data?

Jak přistupovat k zarovnání jednoho slova podle fonémů? Jak používat wav2vec2 k získání přesných hranic fonémů?

Jak přistoupit k tréninku na své doméně? Co dělat s obecným modelem?

Jak trénovat model? Seq-to-seq je drahý, je spousta hyperparametrů. Jak to udělat?