AI: Tren en egen modell med Ultralytics

Mål

Lære hvordan man trener en egen computer vision-modell med Ultralytics, og bruke den på et lite, konkret problem.

Forkunnskaper

Dette er et videregående sidequest. Du bør kunne skrive enkel Python, bruke GitHub og forklare forskjellen på treningsdata og testdata. Start gjerne med introduksjonsoppdraget først.

Hvorfor dette er relevant?

Dette er en sterk IT-oppgave fordi den kombinerer Python, maskinlæring, datainnsamling, modelltrening og evaluering. Det er et realistisk eksempel på hvordan AI brukes i praksis i industri, sikkerhet, kvalitetssikring og automatisering.

Hva du skal lære

• hvordan man samler inn og organiserer data
• hvordan man trener en modell med Ultralytics
• hvordan man justerer konfigurasjon og hyperparametre
• hvordan man evaluerer modellen og forbedrer den
• hvordan man dokumenterer arbeidet med kode og GitHub-logg

Programmerings- og loggtilnærming

Dette oppdraget bør være et reelt programmeringsprosjekt, ikke bare en ferdig modell. Lag egne skript, prøv ulike innstillinger, dokumenter hva du endrer i koden, og bruk commits og README for å vise utvikling over tid.

Forslag til prosjekt

• bygg et lite datasett med egne bilder eller tilgjengelige eksempler
• tren en modell for objektdeteksjon eller klassifisering
• test modellen på nye bilder
• dokumenter feilmålinger, forbedringer og lærdom

Mulige arbeidssteg

Dette er forslag til hvordan du kan komme i gang. Velg selv fremgangsmåte, og utforsk videre når du finner noe du vil undersøke nærmere.

• Definer hva modellen skal kjenne igjen, og hvordan du skal måle kvalitet.
• Samle og merk et lite, variert datasett. Ikke bruk bilder av personer eller annet materiale du ikke har tillatelse til å bruke.
• Prøv å dele dataene i trening, validering og test uten å blande dem.
• Tren en første versjon, noter innstillinger og resultater, og sammenlign gjerne med et nytt forsøk.
• Test på nye data og undersøk hvilke feil modellen fortsatt gjør.

Dette skal leveres

• treningskode, konfigurasjon og README i GitHub-repositoriet læreren har gitt deg
• beskrivelse av datasettet og hvordan det ble delt
• målinger eller eksempler som viser resultatene
• en sammenligning mellom minst to forsøk
• en refleksjon over feilkilder, personvern og hva du ville forbedret videre

Eksempler på tema

• detekter bokser i et bilde
• finne et bestemt objekt i et rom
• identifisere ulike frukt eller gjenstander
• klassifisere ulike typer feil i et produktbilde

Lenker

• Ultralytics docs: https://docs.ultralytics.com/
• Train custom model: https://docs.ultralytics.com/modes/train/
• YOLO models: https://docs.ultralytics.com/models

Ferdig når

Du har trent en egen modell, testet den på nytt materiale, og kan forklare hva du lærte om datasett, trening og evaluering.