English
Training data is the collection of examples a model learns from before it is deployed, such as text, images, or labeled pairs. The quality, size, and diversity of this data strongly shape what the model can and cannot do.
Training data is the corpus a model learns from, and it determines the model's ceiling more than architecture usually does. Every property of the data becomes a property of the model: its gaps become blind spots, its skews become bias, and its languages determine which languages the model is actually good at. This is why Arabic performance is a data question before it is a modelling question.
The training data cut-off means it knows nothing after that date.
العربية
بيانات التدريب هي مجموعة الأمثلة التي يتعلّم منها النموذج قبل نشره، مثل النصوص أو الصور أو الأزواج المُصنَّفة. تؤثر جودة هذه البيانات وحجمها وتنوّعها بشكل كبير فيما يستطيع النموذج فعله وما لا يستطيعه.
بيانات التدريب هي المدونة التي يتعلم منها النموذج، وهي تحدد سقفه أكثر مما تحدده المعمارية عادةً. فكل خاصيةٍ في البيانات تصير خاصيةً في النموذج: ثغراتها تصير نقاطاً عمياء، وانحرافاتها تصير تحيزاً، ولغاتها تحدد اللغات التي يُجيدها النموذج فعلاً. ولهذا كان أداء العربية مسألة بياناتٍ قبل أن يكون مسألة نمذجة.
تاريخ انتهاء بيانات التدريب يعني أنه لا يعرف شيئاً بعد ذلك التاريخ.
Also known as
- training set
- training dataset
- مجموعة بيانات التدريب
- بيانات التعلم
- داتا التدريب
Also seen as, but not recommended
- بيانات التعلّم
- مجموعة التدريب
Why this form: «مجموعة التدريب» (training set) is narrower, a specific split, not the corpus as a whole.