# Wybór reprezentatywnego podzbioru (coreset)

EN: **Coreset selection** · id `coresetselection` · aliases: coreset, core-set selection, training subset selection

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Dane dla AI](https://aiatlasgraph.com/t/data.md) › [Selekcja i proporcje danych](https://aiatlasgraph.com/t/dataselection.md) › Wybór reprezentatywnego podzbioru (coreset)

## Description

- PL: Wybór podzbioru prawdziwych próbek, który przybliża efekt treningu na całym zbiorze przy mniejszym koszcie.
- EN: Selecting a subset of real samples that approximates training on the full dataset at lower cost.

## In one sentence

- PL: Wybieranie z dużego zbioru małej grupy prawdziwych przykładów, na której model uczy się niemal tak dobrze jak na całości.
- EN: Picking a small group of real examples from a large dataset that teaches a model almost as well as the whole.

## Problem it solves

- PL: Trening na całym zbiorze trwa długo i kosztuje, a wiele przykładów niewiele wnosi, bo powtarza to, co model już zna.
- EN: Training on the full dataset is slow and costly, and many examples add little because they repeat what the model already knows.

## What it does

- PL: Jak powołanie kadry na turniej: zamiast wszystkich zawodników wybiera kilku, którzy razem pokrywają wszystkie potrzebne umiejętności.
- EN: Like picking a squad for a tournament: instead of every player, it selects a few who together cover all the needed skills.

## Everyday example

- PL: Mały zespół trenuje rozpoznawanie wad produktów na ułamku swoich zdjęć, żeby szybciej sprawdzać kolejne pomysły.
- EN: A small team trains a product-defect detector on a fraction of its photos to test new ideas faster.

## This concerns you if you…

- PL: masz mało mocy obliczeniowej na duży zbiór
- PL: wielokrotnie trenujesz model, żeby porównać warianty
- EN: have little compute for a large dataset
- EN: retrain a model many times to compare variants

## Keywords

DeepCore · k-center greedy · CRAIG · GradMatch · GLISTER · forgetting score · herding · submodular selection

## How it works

- PL: Próbkom przypisuje się oceny na podstawie geometrii cech (pokrycie, k-center), niepewności, dopasowania gradientów lub wpływu na stratę, a następnie wybiera podzbiór zadanego rozmiaru. Model trenuje się wyłącznie na wybranych próbkach.
- EN: Samples are scored by feature-space geometry (coverage, k-center), uncertainty, gradient matching or loss influence, and a subset of the target size is chosen. The model is then trained only on the selected samples.

## Limits

- PL: Wiele metod nie wygrywa z losowym wyborem przy umiarkowanym rozmiarze podzbioru. Oceny liczone jednym modelem nie zawsze przenoszą się na inną architekturę, a sam wybór może kosztować sporo obliczeń.
- EN: Many methods fail to beat random selection at moderate subset sizes. Scores from one model do not always transfer to another architecture, and selection itself can be compute-heavy.

## Key terms

- PL: **coreset**: Mały podzbiór danych zastępujący cały zbiór w treningu.
- PL: **k-center**: Wybór punktów tak, by każdy przykład miał blisko reprezentanta.
- PL: **dopasowanie gradientów**: Dobór próbek dających podobny kierunek uczenia jak cały zbiór.
- EN: **coreset**: A small data subset that stands in for the full set in training.
- EN: **k-center**: Choosing points so every example has a nearby representative.
- EN: **gradient matching**: Picking samples whose learning direction resembles the full set's.

## Know first

- [Reprezentacje i embeddingi (Representation learning)](https://aiatlasgraph.com/t/representations.md)
- [Spadek gradientu i optymalizacja ciągła (Gradient descent and continuous optimisation)](https://aiatlasgraph.com/t/mathoptimization.md)

## Related topics

Untyped, symmetric "see also" links.

- [Aktywne uczenie (active learning) (Active learning)](https://aiatlasgraph.com/t/activelearning.md)
- [Destylacja zbioru danych (Dataset distillation (dataset condensation))](https://aiatlasgraph.com/t/datasetdistillation.md)

## Sources

- [DeepCore: A Comprehensive Library for Coreset Selection in Deep Learning](<https://arxiv.org/abs/2204.08499>) `guo-deepcore-2022` · by Chengcheng Guo, Bo Zhao, Yanbing Bai

---

AI Atlas revision 127 (2026-11-03) · HTML: https://aiatlasgraph.com/t/coresetselection · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-11-03