0:00:45.617,0:00:49.617
Machine learning គឺមាន​ចំណុចល្អ​ដូច​ជា[br]ទិន្នន័យបណ្តុះបណ្តាលដែលអ្នកដាក់ចូលទៅក្នុងវា។

0:00:55.095,0:00:59.095
ដូច្នេះ វាពិតជាសំខាន់ណាស់ក្នុងការប្រើប្រាស់ទិន្នន័យដែលមានគុណភាពខ្ពស់ ហើយវាមានទិន្នន័យជាច្រើន។

0:01:06.191,0:01:10.041
ប៉ុន្តែប្រសិនបើទិន្នន័យមានសារៈសំខាន់ វាមានតម្លៃសួរថាតើទិន្នន័យបណ្តុះបណ្តាលមកពីណា?

0:01:25.636,0:01:29.636
ជាញឹកញប់ កុំព្យូទ័រកំពុងប្រមូលទិន្នន័យបណ្តុះបណ្តាលពីមនុស្សដូចអ្នក និងខ្ញុំ

0:01:39.136,0:01:42.656
ដោយ​គ្មាន​ការ​ខិតខំ​ប្រឹងប្រែង​ណា​មួយ​នៅ​លើ​ផ្នែក​របស់​យើង​

9:59:59.000,9:59:59.000
សេវាកម្ម Video Streaming អាចតាមដានអ្វីដែលអ្នកមើល បន្ទាប់មកវាអាចស្គាល់លំនាំ

9:59:59.000,9:59:59.000
នៅក្នុងទិន្នន័យនោះ ដើម្បីណែនាំនូវអ្វីដែលអ្នកប្រហែលជាចង់មើលបន្ទាប់។

9:59:59.000,9:59:59.000
ពេលខ្លះ អ្នកត្រូវបានស្នើសុំ​​ ដូចជានៅពេលដែលគេហទំព័រសុំឱ្យអ្នកផ្ដល់ពត៏មានផ្ទាល់ខ្លួនរបស់នាក់ និងរូបថតជាដើម។

9:59:59.000,9:59:59.000
អ្នកកំពុងផ្តល់ទិន្នន័យបណ្តុះបណ្តាលដើម្បីជួយដល់[br]Machine learning មើល ហើយប្រហែលជាអាចបើកឡានមួយថ្ងៃ។

9:59:59.000,9:59:59.000
អ្នកស្រាវជ្រាវវេជ្ជសាស្រ្តអាចប្រើ[br]រូបភាពវេជ្ជសាស្រ្តជាទិន្នន័យបណ្តុះបណ្តាលដើម្បីបង្រៀន

9:59:59.000,9:59:59.000
កុំព្យូទ័រ​និងបង្ហាញពីរបៀប​សម្គាល់ និង​វិភាគ​ជំងឺ។

9:59:59.000,9:59:59.000
Machine Learning ត្រូវការរូបភាពរាប់រយរាប់ពាន់ និងការណែនាំពីវេជ្ជបណ្ឌិត

9:59:59.000,9:59:59.000
តើអ្នកណាដឹងពីអ្វីដែលត្រូវស្វៀងរកមើល មុនពេលដែលអាចកំណត់អត្តសញ្ញាណជំងឺបានត្រឹមត្រូវ។

9:59:59.000,9:59:59.000
ទោះបីជាមានឧទាហរណ៍រាប់ពាន់ក៏ដោយ ក៏វាអាចមានបញ្ហាជាមួយនិងការព្យាករណ៍របស់កុំព្យូទ័រ

9:59:59.000,9:59:59.000
ប្រសិនបើទិន្នន័យកាំរស្មីអ៊ិច(X-ray) ត្រូវបានប្រមូលពីបុរសតែប៉ុណ្ណោះ នោះការព្យាករណ៍របស់កុំព្យូទ័រអាចដំណើរការសម្រាប់តែបុរសប៉ុណ្ណោះ។

9:59:59.000,9:59:59.000
វាប្រហែលជាមិនស្គាល់ប្រភេទនែជំងឺនៅពេល[br]បានស្នើសុំ ឱ្យធ្វើរោគវិនិច្ឆ័យកាំរស្មីអ៊ិច(​X-ray) របស់ស្ត្រី។

9:59:59.000,9:59:59.000
ចំណុចងងឹតនេះនៅក្នុងទិន្នន័យបណ្តុះបណ្តាល[br]បង្កើតអ្វីដែលហៅថា BIAS​( ដែលេជា​បាតុភូតដែលកើតឡើងនៅពេលដែល AI algorithm បង្កើតលទ្ធផលដែលមានលក្ខណៈជាប្រព័ន្ធ ដោយសារតែការសន្មត់ខុសនៅក្នុងដំណើរការសិក្សារបស់ម៉ាស៊ីន)។

9:59:59.000,9:59:59.000
ទិន្នន័យ BIAS អនុគ្រោះដល់វត្ថុមួយចំនួន ហើយដកអាទិភាព ឬមិនរាប់បញ្ចូលអ្វីផ្សេងទៀត។

9:59:59.000,9:59:59.000
អាស្រ័យលើរបៀបដែលទិន្នន័យបណ្តុះបណ្តាលត្រូវបានប្រមូល តើអ្នកណាជាអ្នកប្រមូល និងរបៀបដែលទិន្នន័យត្រូវបានចុក

9:59:59.000,9:59:59.000
មានឱកាសនោះទិន្នន័យ BIAS របស់មនុស្សត្រូវបានរួមបញ្ចូលនៅក្នុងទិន្នន័យ។

9:59:59.000,9:59:59.000
តាមរយៈការសិក្សាពីទិន្នន័យ BIAS កុំព្យូទ័រអាចធ្វើការព្យាករណ៍ដោយលំអៀង

9:59:59.000,9:59:59.000
ថាតើមនុស្សបណ្តុះបណ្តាលកុំព្យូទ័រ[br]ដឹង​ឬ​អត់។

9:59:59.000,9:59:59.000
នៅពេលអ្នកកំពុងមើលទិន្នន័យបណ្តុះបណ្តាល សូមសួរខ្លួនឯងនូវសំណួរពីរ៖

9:59:59.000,9:59:59.000
តើ​ទិន្នន័យ​នេះ​គ្រប់គ្រាន់​ដើម្បី​បង្ហាត់​កុំព្យូទ័រ​ឱ្យ​បាន​ត្រឹមត្រូវ​ឬ​ទេ?

9:59:59.000,9:59:59.000
ហើយតើទិន្នន័យនេះតំណាងអោយscenariosដែលអាចធ្វើបានទាំងអស់ និងអ្នកប្រើប្រាស់ដោយគ្មាន BIAS

9:59:59.000,9:59:59.000
នេះគឺជាកន្លែងដែលអ្នក ក្នុងនាមជាអ្នកបណ្តុះបណ្តាលមនុស្សដើរតួនាទីយ៉ាងសំខាន់។

9:59:59.000,9:59:59.000
វាអាស្រ័យលើអ្នកក្នុងការផ្តល់ឱ្យម៉ាស៊ីនរបស់អ្នកនូវទិន្នន័យដោយមិនលំអៀង។

9:59:59.000,9:59:59.000
នោះមានន័យថាប្រមូលឧទាហរណ៍ជាច្រើនពីប្រភពជាច្រើន។

9:59:59.000,9:59:59.000
សូមចងចាំថា នៅពេលអ្នកជ្រើសរើស និងជ្រើសរើសទិន្នន័យសម្រាប់machine learning

9:59:59.000,9:59:59.000
អ្នកពិតជាកំពុងសរសេរកម្មវិធី algorithm ដោយប្រើទិន្នន័យបណ្តុះបណ្តាលជំនួសឱ្យកូដ។

9:59:59.000,9:59:59.000
ទិន្នន័យ IS គឺជាលេខកូដ។

9:59:59.000,9:59:59.000
ទិន្នន័យដែលអ្នកផ្តល់កាន់តែប្រសើរ កុំព្យូទ័រនឹងរៀនកាន់តែប្រសើរ