آموزش راهنمای اجرایی برای یادگیری ماشینی انسان در حلقه و حاشیه نویسی داده ها

Executive Guide to Human-in-the-Loop Machine Learning and Data Annotation

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری ماشینی انسان در حلقه همه چیز در مورد یادگیری مداوم است. و به عنوان یک فرآیند، در حال تبدیل شدن به یک جزء رایج و حیاتی فن آوری های در حال ظهور است. از تجزیه و تحلیل مراقبت های بهداشتی و بینایی کامپیوتر گرفته تا وسایل نقلیه خودران و پردازش زبان طبیعی، یادگیری ماشینی انسان در حلقه همه جا وجود دارد، اما هنوز به طور گسترده ای سوء تفاهم وجود دارد. این دوره برای پر کردن این شکاف ها و به سرعت شما را به سرعت در نظر گرفته است. به مربی کیت مک کورمیک بپیوندید تا صنعتی را که برای پشتیبانی از این چالش به وجود آمده است، چرایی اهمیت آن و چگونگی ارتباط آن با وظایف دنیای واقعی در حاشیه نویسی داده ها بررسی می کند. برخی از رایج ترین موارد استفاده را در اکوسیستم بزرگتر انسان در حلقه کشف کنید. در طول مسیر، کیت به شما نشان می‌دهد که چگونه پروژه حاشیه‌نویسی داده‌های خود را با موفقیت اجرا و مدیریت کنید، از جمله مهارت‌های اساسی مورد نیاز برای کنترل کیفیت، نمونه‌گیری، یادگیری فعال، و پیشگیری از تعصب.

سرفصل ها و درس ها

معرفی Introduction

  • با انسان در حلقه آشنا شوید Meet the human-in-the-loop

1. معرفی Human-in-the-Loop 1. Introducing Human-in-the-Loop

  • Human-in-the-Loop همه جا هست Human-in-the-loop is everywhere

  • یادگیری ماشینی نظارت شده چیست؟ What is supervised machine learning?

  • تعریف انسان در حلقه Defining human-in-the-loop

  • ظهور انسان در حلقه The rise of human-in-the-loop

2. موارد استفاده رایج 2. Common Use Cases

  • موارد استفاده از مراقبت های بهداشتی Healthcare use cases

  • موارد استفاده خودمختار Autonomous use cases

  • موارد استفاده از زبان طبیعی Natural language use cases

  • یادگیری تقویتی با بازخورد انسانی (RLHF) Reinforcement learning with human feedback (RLHF)

3. اکوسیستم حاشیه نویسی داده ها 3. The Data Annotation Ecosystem

  • دنیای فروشندگان حاشیه نویسی داده ها The world of data annotation vendors

  • حاشیه نویسی داده ها به عنوان یک مهارت Data annotation as a skill

  • اخلاقیات حاشیه نویسی داده ها The ethics of data annotation

  • فروشندگان نرم افزار حاشیه نویسی داده ها Data annotation software vendors

4. مدیریت یک پروژه حاشیه نویسی داده ها 4. Managing a Data Annotation Project

  • کنترل کیفیت Quality control

  • نمونه برداری Sampling

  • ملاحظات در هنگام مدیریت پروژه خود Considerations when managing your own project

  • داده محور بودن Being data-centric

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش راهنمای اجرایی برای یادگیری ماشینی انسان در حلقه و حاشیه نویسی داده ها
جزییات دوره
1h 2m
18
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.