Human-In-The-Loop Machine Learning: Învățare activă și adnotare pentru inteligența artificială centrată pe om

Recenzii ale cititorilor

Cartea a primit un amestec de laude și critici. Mulți recenzenți subliniază caracterul său practic, relevanța și exhaustivitatea în domeniul învățării automate cu adnotări umane, în special în ceea ce privește învățarea activă și gestionarea datelor. În schimb, unii critică titlul său ca fiind înșelător, costul ridicat și lipsa percepută de conținut sau perspective noi.

⬤ Resursă extrem de practică, axată mai degrabă pe aplicație decât pe teorie
⬤ scriere clară, cu perspective valoroase
⬤ discuții cuprinzătoare privind învățarea activă și metodologiile human-in-the-loop
⬤ potrivită atât pentru cititorii tehnici, cât și pentru cei non-tehnici
⬤ ajută la îmbunătățirea operațiunilor cu date și a proceselor de etichetare
⬤ excelentă pentru cei preocupați în primul rând de gestionarea datelor în învățarea automată.

⬤ Considerat scump pentru conținutul oferit
⬤ unii cred că titlul reprezintă greșit obiectivul cărții
⬤ afirmații privind redundanța cu resursele online disponibile gratuit
⬤ confuzie privind publicul țintă
⬤ lipsa de noi algoritmi prezentați.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Human-In-The-Loop Machine Learning: Active Learning and Annotation for Human-Centered AI

Conținutul cărții:

Învățarea mecanică Human-in-the-Loop prezintă metode pentru ca oamenii și mașinile să lucreze împreună în mod eficient.

Rezumat

Majoritatea sistemelor de învățare automată care sunt implementate în lume în prezent învață din feedback-ul uman. Cu toate acestea, majoritatea cursurilor de învățare automată se concentrează aproape exclusiv pe algoritmi, nu pe partea de interacțiune om-calculator a sistemelor. Acest lucru poate lăsa un mare gol de cunoștințe pentru cercetătorii de date care lucrează în învățarea automată din lumea reală, unde cercetătorii de date petrec mai mult timp cu gestionarea datelor decât cu construirea algoritmilor. Human-in-the-Loop Machine Learning este un ghid practic pentru optimizarea întregului proces de învățare automată, inclusiv tehnici de adnotare, învățare activă, învățare prin transfer și utilizarea învățării automate pentru optimizarea fiecărui pas al procesului.

Achiziționarea cărții tipărite include o carte electronică gratuită în format PDF, Kindle și ePub de la Manning Publications.

Despre tehnologie

Aplicațiile de învățare automată funcționează mai bine cu feedback uman. Păstrarea persoanelor potrivite în circuit îmbunătățește acuratețea modelelor, reduce erorile în date, scade costurile și vă ajută să livrați modele mai repede.

Despre carte

Human-in-the-Loop Machine Learning prezintă metode pentru ca oamenii și mașinile să lucreze împreună în mod eficient. Veți găsi cele mai bune practici privind selectarea datelor de probă pentru feedback uman, controlul calității pentru adnotările umane și proiectarea interfețelor de adnotare. Veți învăța să creați date de instruire pentru etichetare, detectarea obiectelor și segmentarea semantică, etichetarea secvențelor și multe altele. Cartea începe cu elementele de bază și progresează către tehnici avansate precum învățarea prin transfer și autosupravegherea în cadrul fluxurilor de lucru de adnotare.

Ce se află în interior

Identificarea datelor corecte de formare și evaluare.

Găsirea și gestionarea persoanelor pentru adnotarea datelor.

Selectarea strategiilor de control al calității adnotării.

Proiectarea interfețelor pentru a îmbunătăți acuratețea și eficiența.

Despre autor

Robert (Munro) Monarch este un om de știință de date și inginer care a construit date de învățare automată pentru companii precum Apple, Amazon, Google și IBM. El deține un doctorat de la Stanford.

Robert deține un doctorat de la Stanford axat pe învățarea mecanică Human-in-the-Loop pentru asistența medicală și răspunsul la dezastre și este un profesionist în răspunsul la dezastre, în plus față de a fi un profesionist în învățarea mecanică. Un exemplu de lucru pe parcursul acestui text este clasificarea mesajelor legate de dezastre de la dezastre reale la care Robert a ajutat să răspundă în trecut.

Tabla de conținut

PARTEA 1 - PRIMII PAȘI.

1 Introducere în învățarea automată human-in-the-loop.

2 Noțiuni introductive privind învățarea automată umană în buclă.

PARTEA 2 - ÎNVĂȚAREA ACTIVĂ.

3 Eșantionarea incertitudinii.

4 Eșantionarea diversității.

5 Învățarea activă avansată.

6 Aplicarea învățării active la diferite sarcini de învățare automată.

PARTEA 3 - ADNOTAREA.

7 Colaborarea cu persoanele care vă adnotează datele.

8 Controlul calității pentru adnotarea datelor.

9 Adnotarea și augmentarea avansată a datelor.

10 Calitatea adnotării pentru diferite sarcini de învățare automată.

PARTEA 4 - INTERACȚIUNEA OM-COMPUTER PENTRU ÎNVĂȚAREA AUTOMATĂ.

11 Interfețe pentru adnotarea datelor.

12 Produse de învățare automată cu ajutorul omului în buclă.