Quale tecnica prevede l'addestramento di modelli di intelligenza artificiale su set di dati etichettati per adattarli alla terminologia e ai requisiti specifici del settore?

Il fine-tuning (messa a punto) è la tecnica corretta perché implica l'ulteriore addestramento di un modello pre-addestrato su un dataset più piccolo e specifico per un compito o un dominio, adattandolo alla terminologia e ai requisiti del settore. Data augmentation (aumento dei dati) è una tecnica per aumentare la quantità e la diversità dei dati di addestramento aggiungendo versioni modificate dei dati esistenti, ma non adatta il modello a terminologie specifiche del settore. Model quantization (quantizzazione del modello) è una tecnica per ridurre le dimensioni e la complessità computazionale di un modello, non per adattarlo a un dominio specifico. Continuous pre-training (pre-addestramento continuo) è un processo di aggiornamento continuo di un modello pre-addestrato con nuovi dati, ma il fine-tuning è il termine più preciso per l'adattamento a un dominio specifico con dati etichettati.