D· AI-utvecklareai-produktutveckling· ca 45 min· grundläggande — ändras sällan· verifierad 2026-09-20
Formulera ett problem som ML-uppgift
Kunna avgöra om ML är rätt verktyg och definiera indata, utdata och framgångsmått.
Förkunskaper
- BRegler kontra inlärningkrävs
Intuition
Innan en rad kod: är det ens ett ML-problem?
ML passar när: regeln är svår att skriva men exempel finns (bilder, text, beteende), mönstret är stabilt över tid, och fel är acceptabla. ML passar inte när: en regel räcker (moms = 25 %), det finns nästan ingen data, varje fel är oacceptabelt, eller beslutet måste kunna förklaras juridiskt.
Formuleringen (skriv ner den):
- Indata: exakt vad modellen ser vid beslutstillfället — inte sådant som blir känt senare.
- Utdata: klass? tal? rankning? Vilken fråga besvaras?
- Framgångsmått: ett tal kopplat till verklig nytta — och vilken nivå som räcker.
- Baslinje: vad ger den enklaste regeln? ML måste slå den.
Interaktivt
Exempel — «minska matsvinn i skolmatsalen»:
| Fråga | Hur många portioner behövs i morgon? |
| Indata | veckodag, maträtt, antal elever närvarande i går, väder, lov |
| Utdata | ett tal (regression) |
| Mått | absolut fel i portioner; mål < 15 |
| Baslinje | samma som samma veckodag förra veckan |
| Data | kökets loggar 2 år — finns de? i vilket format? |
| Risk | ny matsedel → mönstret bryts; för få portioner är värre än för många |
Gör samma tabell för: «flagga elakartade kommentarer», «rekommendera nästa övning». Vilken av dem bör inte vara ML?
Behärskning innebär
- Avgör om ML är rätt verktyg för ett problem
- Definierar indata, utdata, framgångsmått och baslinje
- Identifierar var datan ska komma ifrån och vad som kan gå fel
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
- Google — Rules of Machine Learning — CC BY 4.0
- scikit-learn User Guide (BSD-3) — BSD-3-Clause