Kis adat kis gond?
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
orcl
02025. szeptember 10. 09:51
A cég szerződéses lekötött megrendelésállománya az egekben, hatalmas növekedés jöhet a következő években.arc
72025. szeptember 9. 14:31
Az EE hálózatának egy részén élesedett az új vivőaggregáció, mely úgy növeli a kapacitást, hogy nem kell új állomásokat létesíteni hozzá.TÜNTETÉS
32025. szeptember 9. 13:39
A Nepál szigorú szabályai ellen tiltakozók közül többen is meghaltak vagy megsérültek.
A big datáról és a kapcsolódó problémákról rengeteg publikáció érhető el. De mi a helyzet a kis adatokkal? A kis mennyiségű adatok elemzése is számos módszertani kihívással jár, amelyről kevés szó esik. Az idén szeptember 24-i HWSW free! meetupon elhangzott előadásban Windhager-Pokol Eszter, a Starschema vezető adattudósa egy esettanulmányon keresztül bemutatja, mire kell odafigyelni, hogyan kell prediktív modelleket építeni akkor, amikor kifejezetten kevés adatpont áll rendelkezésre.
Az AI témaköre idén is önálló szekciót kap a november 27-28-án rendezett HWSW mobile! digitális termékfejlesztési konferencián, amelyet a szegmens, és a kapcsolódó technológiák után érdeklődőknek nem érdemes kihagyni! A szekcióban Windhager-Pokol Eszter ismét színpadra áll, előadásában pedig arról beszél majd, mikor hasznosak az AutoML eszközök és melyek azok a feladatok amelyekhez még mindig szükség van a sokszor pótolhatatlan emberi intelligenciára és kreativitásra.
Kis adat kis gond? - Windhager-Pokol Eszter (Starschema)
Még több videó