Kis adat kis gond?
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
Csökken, de nem zuhan be idén a cégek IT-költése
A visszaesést kompenzálja, hogy a home office miatt bevásároltak a vállalatok.
a címlapról
1
Ennyit fizetnek a szolgáltatók havonta az új 5G-s sávokért
Hirdetés
Fejlesztő vagy? Segíts! Hack the Crisis.
0
Megérkeztek az Intel új, notebookokba szánt Comet Lake processzorai
díjszabás
1Ennyit fizetnek a szolgáltatók havonta az új 5G-s sávokért
2020. április 2. 11:34
Mindegyik operátor 50%-os sávdíjkedvezményt kaphat tíz évig.45W
0Megérkeztek az Intel új, notebookokba szánt Comet Lake processzorai
2020. április 2. 10:55
A sorozat élén lovagló Core i9-ből akár 5,3 gigahertzes csúcsórajel is kicsikarható.
covid-19
0Maszkok millióit küldik kínai tech cégek Európába
2020. április 2. 09:21
Az illetékes biztos szerint a cégek önzetlenül segítenek.
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