AI/Active Learning - kostenloses Webinar
In der Unternehmenspraxis stehen oft beträchtliche Mengen an Rohdaten zur Verfügung. Diese Daten können häufig erst dann ihr volles Potenzial entfalten, wenn sie durch einen Labeling-Prozess in verwertbare Informationen für überwachte Modelle transformiert werden. In vielen Fällen können aussagekräftige Labels in der Regel nur von Fachexperten vergeben werden, was zu einem zeitaufwändigen und kostenintensiven Prozess führt. Active-Learning nutzt verschiedene Strategien, um den Labeling-Prozess effizienter zu gestalten und somit die Labeling-Kosten zu reduzieren bei zeitgleicher Steigerung der Modellgüte. In diesem einstündigen Webinar wird ein grundlegendes Wissen über den Active-Learning-Zyklus sowie gängige Query-Strategien vermittelt. Weiterhin werden Sie verstehen, wie sich Active-Learning von anderen Labeling-Strategien unterscheidet.
Zielgruppe:
Data-Manager, IT-Architekten, Data-Scientists, bzw. Personen, die sich mit den Aspekten des Machine Learnings befassen.
Voraussetzung:
Interesse im Bereich von Digital-Transformation, Big Data, ML
Ziele/Nutzen des Seminars:
- Sie bekommen einen Überblick über die Problematik von "ungelabelten" Daten.
- Sie lernen die Vorteile des Active-Learnings kennen, um diesen Problemen zu begegnen.
- Sie sehen, wie Active-Learning aus Daten-Sammlungen Werte generieren kann.
Inhalte:
- Einführung: Active Learning für effizientes Data Labeling
- Einordnung des Active Learning in gängige Labeling Strategien
- Kern-Idee des Active Learning
- Der iterative Active Learning Zyklus
- Überblick über verschiedene Ansätze des Active Learnings
- Wichtige Query-Strategien (Uncertainty-, Diversity- und Query-By-Committee Sampling)