«Atelier sur l'apprentissage actif dans des applications réelles», Bristol, Royaume-Uni
L'apprentissage automatique est un domaine dans lequel les méthodes et algorithmes permettent à un modèle d'apprendre un comportement à l'aide d'exemples. L'apprentissage actif rassemble des méthodes qui sélectionnent des exemples utilisés pour développer une base de données de formation pour le modèle prédictif. Toutes les stratégies visent à s'appuyer sur un ensemble d'exemples aussi limité que possible et de sélectionner les exemples les plus informatifs.
Lors de la conception d'algorithmes d'apprentissage actif pour des données réelles, certains problèmes émergent. Les principaux sont la modularité et la faisabilité. Les méthodes doivent être capables de gérer des volumes importants de données, et le processus de marquage des nouveaux exemples par un spécialiste doit être optimisé.
L'atelier constituera un forum pour les chercheurs universitaires et industriels leur permettant de discuter des nouveaux domaines de l'apprentissage actif, et de combler l'écart entre l'acquisition de données ou l'expérimentation et la construction de modèles.Pour de plus amples informations, consulter: http://www.nomao.com/labs/alra#