Vatsal Ghiya, en serieiværksætter med mere end 20 års erfaring i AI-software, har delt nogle keynote om, hvordan man automatiserer datamærkning i Machine Learning(ML) i denne seneste gæstefunktion.
De vigtigste ting fra artiklen er -
- Uanset hvilken slags AI-system du har brug for, er data førsteprioritet, og det skal være kvalitetsdata, så du kan få præcise resultater. Som vi har set, er data massive, og kvaliteten bør opretholdes, er det en kolossal opgave at behandle begge disse nøjagtigt. Du kan få data fra interne ressourcer, CRM, analyser, ark, landingssider og andre.
- Data kan også downloades i henhold til niche, demografi og markedssegment. Der er offentlige websteder, Kaggle-datasæt, arkiver og mere. For at opretholde kvaliteten af data skal de desuden renses og mærkes med passende detaljer, og det var her, maskinlæring opstod.
- Tre metoder, der kan automatisere datamodellering i maskinlæring, er forstærkningslæring, overvåget læring og uovervåget læring. Ved at bruge denne læring kan datamærkning automatiseres effektivt i maskinlæring med nøjagtige metadetaljer og kritiske faktorer.
Læs hele artiklen her:
https://ai-forum.com/opinion/3-methods-of-automatic-data-labeling-in-machine-learning/
