Szerző: Hlács Ferenc

2021. január 12. 12:22

Mit tegyünk, ha kevés az adat?

A modern gépi tanulási megoldások "küzdési stratégiái" adat-aszály esetére.

Égbe révedő informatikusok: az Időkép-sztori

Mi fán terem az előrejelzés, hogy milyen infrastruktúra dolgozik az Időkép alatt, mi várható a deep learning modellek térnyerésével?

Égbe révedő informatikusok: az Időkép-sztori Mi fán terem az előrejelzés, hogy milyen infrastruktúra dolgozik az Időkép alatt, mi várható a deep learning modellek térnyerésével?

Mindenki nagy adatlázban ég, de különösen üzleti helyzetekben rendre kibukik, hogy messze nincs elég adatunk. Mit tehetünk ekkor, hogyan orvosoljuk a problémát? Szabados Levente, a Budapest.AI vezető tanácsadójának 2018. november 21-i HWSW mobile! termékfejlesztési konferencián elhangzott előadása a modern gépi tanulási megoldások "küzdési stratégiáit" veszi sorra a szűkös adathelyzetben, s eközben próbál fényt vetni a reprezentáció tanulás alapvető összefüggéseire.

21:28
 

Mit tegyünk, ha kevés az adat? - Szabados Levente (Budapest.AI)

Még több videó

Nagyon széles az a skála, amin az állásinterjú visszajelzések tartalmi minősége mozog: túl rövid, túl hosszú, semmitmondó, értelmetlen vagy semmi. A friss heti kraftie hírlevélben ezt jártuk körül. Ha tetszett a cikk, iratkozz fel, és minden héten elküldjük emailben a legfrissebbet!

a címlapról