«Aprendizaje activo en aplicaciones del mundo real», Bristol, Reino Unido
El aprendizaje automático es un campo en el que los métodos y algoritmos utilizados permiten que determinado modelo «aprenda» un comportamiento gracias a ejemplos. El aprendizaje activo se basa en métodos que seleccionan ejemplos los cuales se usan para conformar un conjunto de datos de entrenamiento y, de este modo, un modelo predictivo. Todas las estrategias tienen por finalidad emplear una serie de ejemplos lo más reducida posible y seleccionar los más informativos de ellos.
El diseño de algoritmos de aprendizaje activo para datos del mundo real plantea ciertas dificultades específicas. Las principales son la escalabilidad y la practicabilidad. Los métodos usados deben ser capaces de gestionar grandes volúmenes de datos, mientras que el proceso de etiquetado de nuevos ejemplos por parte de un experto se debe optimizar.
Este taller constituirá un foro en el que estudiosos académicos e investigadores de empresas podrán debatir nuevas ideas relacionadas con el aprendizaje activo y también cubrir lagunas existentes entre la adquisición de los datos o la experimentación y la formación de modelos.Para más información, consulte: http://www.nomao.com/labs/alra#