Kis adat kis gond?
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
roszkoszmosz
92025. szeptember 17. 13:43
Az első indítások idén év végén jöhetnek, 2035-re valósulhat meg a teljes, országos lefedettség, beleértve az Észak-sarkvidéket.LINGO
12025. szeptember 17. 12:30
Eljárást indított a Gazdasági Versenyhivatal (GVH) a Duolingo amerikai vállalkozással szemben, feltételezhetően tisztességtelen gyakorlatok miatt.SERIES
02025. szeptember 16. 14:10
80 millió dolláros befektetési kört zárt a legértékesebb magyar startup.
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