Artwork

Conteúdo fornecido por Building The Future. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Building The Future ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.
Player FM - Aplicativo de podcast
Fique off-line com o app Player FM !

Data Labeling

1:03:30
 
Compartilhar
 

Manage episode 351031919 series 2834098
Conteúdo fornecido por Building The Future. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Building The Future ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

O tópico para a nossa conversa de hoje é provavelmente o ponto mais importante para o desenvolvimento de modelos de ML e AI supervisionados. Estou claro a falar de Data labeling, o processo de identificação dos valores da, ou das, colunas ou metadados no dataset referentes à label que pretendemos prever. No fundo é classificarmos as imagens que queremos usar como treino e teste para a nossa Convolucional Neural Network, ou preenchermos o valor do numero de alugueres de bicicletas em cada linha para que o nosso modelo de regressão consiga aprender. Mas o problema do labeling não está só no preenchimento, está também nos processos de data annotation para limpar, e até de vez em quando estruturar esta informação para que se possa realmente utilizar com o propósito que queremos em ML. Existem até abordagens de automação deste processo e até as chamadas "Human-in-the-loop" required tasks para considerarmos.

Assim vamos ter mesmo muito que falar neste episódio.

AI News:

OpenAI´s chatGPT
https://www.google.com/search?q=openai+chatgpt

Solving brain dynamics gives rise to flexible machine-learning models | MIT News | Massachusetts Institute of Technology

https://news.mit.edu/2022/solving-brain-dynamics-gives-rise-flexible-machine-learning-models-1115

Predictions for AI, video, chips and more in 2023 | Deloitte | VentureBeat

https://venturebeat.com/ai/predictions-for-ai-video-chips-and-more-in-2023-deloitte/

Email us at podcast@buildingthefuture.pt

Hosts:

Marco António Silva: https://www.linkedin.com/in/marconsilva/

José António Silva: https://www.linkedin.com/in/canoas/

Vitor Santos: https://www.linkedin.com/in/vitor-santos-ab87662/

Produção:

Beatriz Herrera González - https://www.linkedin.com/in/beahgonzalez/

  continue reading

87 episódios

Artwork

Data Labeling

Building The Future - AI Portugal Podcast

0-10 subscribers

published

iconCompartilhar
 
Manage episode 351031919 series 2834098
Conteúdo fornecido por Building The Future. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Building The Future ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

O tópico para a nossa conversa de hoje é provavelmente o ponto mais importante para o desenvolvimento de modelos de ML e AI supervisionados. Estou claro a falar de Data labeling, o processo de identificação dos valores da, ou das, colunas ou metadados no dataset referentes à label que pretendemos prever. No fundo é classificarmos as imagens que queremos usar como treino e teste para a nossa Convolucional Neural Network, ou preenchermos o valor do numero de alugueres de bicicletas em cada linha para que o nosso modelo de regressão consiga aprender. Mas o problema do labeling não está só no preenchimento, está também nos processos de data annotation para limpar, e até de vez em quando estruturar esta informação para que se possa realmente utilizar com o propósito que queremos em ML. Existem até abordagens de automação deste processo e até as chamadas "Human-in-the-loop" required tasks para considerarmos.

Assim vamos ter mesmo muito que falar neste episódio.

AI News:

OpenAI´s chatGPT
https://www.google.com/search?q=openai+chatgpt

Solving brain dynamics gives rise to flexible machine-learning models | MIT News | Massachusetts Institute of Technology

https://news.mit.edu/2022/solving-brain-dynamics-gives-rise-flexible-machine-learning-models-1115

Predictions for AI, video, chips and more in 2023 | Deloitte | VentureBeat

https://venturebeat.com/ai/predictions-for-ai-video-chips-and-more-in-2023-deloitte/

Email us at podcast@buildingthefuture.pt

Hosts:

Marco António Silva: https://www.linkedin.com/in/marconsilva/

José António Silva: https://www.linkedin.com/in/canoas/

Vitor Santos: https://www.linkedin.com/in/vitor-santos-ab87662/

Produção:

Beatriz Herrera González - https://www.linkedin.com/in/beahgonzalez/

  continue reading

87 episódios

Todos os episódios

×
 
Loading …

Bem vindo ao Player FM!

O Player FM procura na web por podcasts de alta qualidade para você curtir agora mesmo. É o melhor app de podcast e funciona no Android, iPhone e web. Inscreva-se para sincronizar as assinaturas entre os dispositivos.

 

Guia rápido de referências