Artwork

محتوای ارائه شده توسط Building The Future. تمام محتوای پادکست شامل قسمت‌ها، گرافیک‌ها و توضیحات پادکست مستقیماً توسط Building The Future یا شریک پلتفرم پادکست آن‌ها آپلود و ارائه می‌شوند. اگر فکر می‌کنید شخصی بدون اجازه شما از اثر دارای حق نسخه‌برداری شما استفاده می‌کند، می‌توانید روندی که در اینجا شرح داده شده است را دنبال کنید.https://fa.player.fm/legal
Player FM - برنامه پادکست
با برنامه Player FM !

Data Labeling

1:03:30
 
اشتراک گذاری
 

Manage episode 351031919 series 2834098
محتوای ارائه شده توسط Building The Future. تمام محتوای پادکست شامل قسمت‌ها، گرافیک‌ها و توضیحات پادکست مستقیماً توسط Building The Future یا شریک پلتفرم پادکست آن‌ها آپلود و ارائه می‌شوند. اگر فکر می‌کنید شخصی بدون اجازه شما از اثر دارای حق نسخه‌برداری شما استفاده می‌کند، می‌توانید روندی که در اینجا شرح داده شده است را دنبال کنید.https://fa.player.fm/legal

O tópico para a nossa conversa de hoje é provavelmente o ponto mais importante para o desenvolvimento de modelos de ML e AI supervisionados. Estou claro a falar de Data labeling, o processo de identificação dos valores da, ou das, colunas ou metadados no dataset referentes à label que pretendemos prever. No fundo é classificarmos as imagens que queremos usar como treino e teste para a nossa Convolucional Neural Network, ou preenchermos o valor do numero de alugueres de bicicletas em cada linha para que o nosso modelo de regressão consiga aprender. Mas o problema do labeling não está só no preenchimento, está também nos processos de data annotation para limpar, e até de vez em quando estruturar esta informação para que se possa realmente utilizar com o propósito que queremos em ML. Existem até abordagens de automação deste processo e até as chamadas "Human-in-the-loop" required tasks para considerarmos.

Assim vamos ter mesmo muito que falar neste episódio.

AI News:

OpenAI´s chatGPT
https://www.google.com/search?q=openai+chatgpt

Solving brain dynamics gives rise to flexible machine-learning models | MIT News | Massachusetts Institute of Technology

https://news.mit.edu/2022/solving-brain-dynamics-gives-rise-flexible-machine-learning-models-1115

Predictions for AI, video, chips and more in 2023 | Deloitte | VentureBeat

https://venturebeat.com/ai/predictions-for-ai-video-chips-and-more-in-2023-deloitte/

Email us at [email protected]

Hosts:

Marco António Silva: https://www.linkedin.com/in/marconsilva/

José António Silva: https://www.linkedin.com/in/canoas/

Vitor Santos: https://www.linkedin.com/in/vitor-santos-ab87662/

Produção:

Beatriz Herrera González - https://www.linkedin.com/in/beahgonzalez/

  continue reading

107 قسمت

Artwork
iconاشتراک گذاری
 
Manage episode 351031919 series 2834098
محتوای ارائه شده توسط Building The Future. تمام محتوای پادکست شامل قسمت‌ها، گرافیک‌ها و توضیحات پادکست مستقیماً توسط Building The Future یا شریک پلتفرم پادکست آن‌ها آپلود و ارائه می‌شوند. اگر فکر می‌کنید شخصی بدون اجازه شما از اثر دارای حق نسخه‌برداری شما استفاده می‌کند، می‌توانید روندی که در اینجا شرح داده شده است را دنبال کنید.https://fa.player.fm/legal

O tópico para a nossa conversa de hoje é provavelmente o ponto mais importante para o desenvolvimento de modelos de ML e AI supervisionados. Estou claro a falar de Data labeling, o processo de identificação dos valores da, ou das, colunas ou metadados no dataset referentes à label que pretendemos prever. No fundo é classificarmos as imagens que queremos usar como treino e teste para a nossa Convolucional Neural Network, ou preenchermos o valor do numero de alugueres de bicicletas em cada linha para que o nosso modelo de regressão consiga aprender. Mas o problema do labeling não está só no preenchimento, está também nos processos de data annotation para limpar, e até de vez em quando estruturar esta informação para que se possa realmente utilizar com o propósito que queremos em ML. Existem até abordagens de automação deste processo e até as chamadas "Human-in-the-loop" required tasks para considerarmos.

Assim vamos ter mesmo muito que falar neste episódio.

AI News:

OpenAI´s chatGPT
https://www.google.com/search?q=openai+chatgpt

Solving brain dynamics gives rise to flexible machine-learning models | MIT News | Massachusetts Institute of Technology

https://news.mit.edu/2022/solving-brain-dynamics-gives-rise-flexible-machine-learning-models-1115

Predictions for AI, video, chips and more in 2023 | Deloitte | VentureBeat

https://venturebeat.com/ai/predictions-for-ai-video-chips-and-more-in-2023-deloitte/

Email us at [email protected]

Hosts:

Marco António Silva: https://www.linkedin.com/in/marconsilva/

José António Silva: https://www.linkedin.com/in/canoas/

Vitor Santos: https://www.linkedin.com/in/vitor-santos-ab87662/

Produção:

Beatriz Herrera González - https://www.linkedin.com/in/beahgonzalez/

  continue reading

107 قسمت

همه قسمت ها

×
 
Loading …

به Player FM خوش آمدید!

Player FM در سراسر وب را برای یافتن پادکست های با کیفیت اسکن می کند تا همین الان لذت ببرید. این بهترین برنامه ی پادکست است که در اندروید، آیفون و وب کار می کند. ثبت نام کنید تا اشتراک های شما در بین دستگاه های مختلف همگام سازی شود.

 

راهنمای مرجع سریع

در حین کاوش به این نمایش گوش دهید
پخش