衆所周知，機器處理和存儲知識的速度比人類快很多。但是我們如何最大限度的利用機器讓他們來處理一些“智能任務”呢？這個問題的答案是：用和這些智能任務相關的數據來“餵養”機器，讓機器從這些數據中學習。這些相關的數據又稱爲訓練數據。
機器學習的模型和兒童學習的方式類似。回想一下當一個孩子觀察一個新事物時，比如當天第一次觀察一隻狗時，他會得到這個場景中的一些反饋比如記住這種狗的特徵如有毛，兩隻眼睛，一隻尾巴等等，於是當這個孩子下次再碰到狗時，他就能辨別出來。
機器能從我們提供的訓練數據中學習。利用這一特性，我們可以調控算法來發現事物之間的關係，檢測模式，理解複雜的問題和做最優決策。最終，我們提供的訓練數據的質量，多樣性和數據將對我們機器學習算法模型的成敗產生重大影響。
訓練數據的內容和形式經常是指：在終端應用角度被用來訓練機器學習模型的被標註的或者人爲標註的或者ground truth的數據集。下面我們列了一些可以用來訓練不同種類的機器視覺模型的已經標註好的數據。
1.用於自動駕駛的道路檢測
2.面部特徵識別
3.像素級場景理解
4.汽車圖片故障檢測爲保險理賠提供依據
5.從2D圖片中預測3D維度
訓練數據的重要性？
簡單來講，訓練數據就是用來訓練機器學習模型的標註好的數據。你可能需要大量的訓練數據來使你的模型準確度更高，但是一般情況下，你具備足夠的訓練數據的可能性很低。
公共數據集通常是沒有結構化的並且很難被劃入某個特殊的類別。唯一的方法就是把這些數據都看一遍從中挑選出對你有用的數據
如何去獲得訓練數據？
通常情況下只要單個公司或者少數項目組的人是收集不到大量的訓練數據的或者需要耗費算法研究人員大量的精力。不要擔心，我們將利用我們數量龐大的標註員專業的幫助您收集足夠多的訓練數據，不管您需要的是2D框，點，圖像分割或者任何形狀，我們都能快速的幫助您獲得高精度，高重複利用率的訓練數據。
好奇我們可以提供哪種類型的標註？下面是一些我們做夠的項目案例，比如自動駕駛，無人機，智能農業，衛星影像，視頻安防和運動分析的圖像標註。
我們也支持多種圖像標註類別比如:
2D框
形狀分割
3D立方體標註
線標註
地貌/點標註
語氣分割
3D點雲標註
關於訓練數據的FAQ
什麼是訓練數據？
訓練數據是用來訓練機器學習算法和提升準確率的標註好的數據
什麼是test set?
每個機器學習的模型需要在真實的世界中測試當它遇到新數據時的準確度，就好像一個學生在考試時遇到沒有見過的題目一樣，機器也需要這樣的測試。這樣的測試數據就是test set。
什麼是驗證數據Validation data?
當用某一個特定的數據集訓練ML模型時，我們需要確保模型訓練基於整個數據集的分佈。因此我們“餵養”模型的標註數據被分成了訓練數據和驗證數據。這樣可以確保機器學習的模型是基於整個數據集而產生的
我們應該如何把一個數據集劃分爲測試和訓練數據？
每個數據集的內容都是不一樣的。我們需要了解相應領域的知識來決定如何把標註的數據劃分爲訓練和測試數據集。一般根本你想要測試您的模型的表現的意願程度，訓練數據：測試數據的比如通常爲80:20或者75:25
一般多少訓練數據是足夠的？
每個領域有不同的算法所有需要不同的數據。但是總體而言，機器學習領域普遍認爲，數據越多，模型的準確度和重複調用行越好
我們怎麼獲得免費的訓練數據？
在互聯網上你可以找到很多免費的訓練數據集。很多科研機構也把他們採集的訓練數據集共享給大家。
機器學些中訓練數據和測試數據的區別？
訓練數據，指的是我們用來訓練或者教會機器模型或者算法的標註數據。
測試數據，指的是我們用來對模型的最終效果提供公正的評估的數據.