"Apprendimento attivo in applicazioni reali", Bristol, Regno Unito
L'apprendimento automatico è un campo in cui i metodi e gli algoritmi permettono ai modelli di imparare dei comportamenti grazie agli esempi. L'apprendimento attivo raccoglie metodi che selezionano gli esempi utilizzati per creare una serie di dati da utilizzare per la formazione dei modelli predittivi. Tutte le strategie mirano all'utilizzo di un insieme di esempi che sia il più ridotto possibile e alla selezione degli esempi più informativi.
Durante la progettazione degli algoritmi di apprendimento attivo per i dati del mondo reale emergono alcune questioni specifiche. Le principali sono la scalabilità e la praticabilità. I metodi devono essere in grado di gestire grandi volumi di dati e il processo di etichettatura di nuovi esempi dev'essere ottimizzato da un esperto.
Questo workshop sarà un forum per ricercatori universitari e del settore industriale per discutere dei nuovi campi dell'apprendimento attivo e per colmare il divario tra l'acquisizione dei dati o la sperimentazione e la costruzione di modelli.Per ulteriori informazioni, visitare: http://www.nomao.com/labs/alra#