Welke gegevensindeling moet worden gebruikt bij het voorbereiden van een trainingsdataset om Amazon Bedrock foundation models te fine-tunen voor tekst-naar-tekst-taken?

Voor het finetunen van Amazon Bedrock foundation modellen voor tekst-naar-tekst-taken is een JSON-bestand met gelabelde voorbeelden de correcte gegevensindeling. Dit formaat maakt het mogelijk om elk trainingsvoorbeeld te structureren met invoer (input) en de gewenste uitvoer (output), wat essentieel is voor supervised learning. Het model leert zo de relatie tussen specifieke invoer en de corresponderende, correcte uitvoer. Een CSV-bestand met ongelabelde voorbeelden is ongeschikt omdat finetuning gelabelde gegevens vereist; het model heeft de gewenste uitvoer nodig om te leren. Een CSV-bestand met tabulaire gegevens is meer geschikt voor traditionele machine learning-taken of voor het finetunen van modellen die specifiek zijn ontworpen voor gestructureerde data, niet voor tekst-naar-tekst-taken. Een platte tekstbestand met ongelabelde tekst is ook onbruikbaar voor finetuning, omdat het geen structuur of labels bevat die nodig zijn om het model te sturen naar de gewenste output.