"Aktywne uczenie się w rzeczywistych zastosowaniach", Bristol, Wlk. Brytania
Uczenie maszynowe to dziedzina, w której metody i algorytmy umożliwiają modelowi uczenie się zachowań na przykładach. Aktywne uczenie się obejmuje metody, które selekcjonują przykłady do budowania zestawu danych szkoleniowych na potrzeby modelu predykcyjnego. Wszystkie strategie mają na celu wykorzystywanie jak najmniejszego zestawu przykładów i selekcję tych najbardziej informatywnych.
W czasie projektowania aktywnych algorytmów uczenia się o świecie rzeczywistym, pojawiają się pewne konkretne problemy. Najważniejszymi są skalowalność i wykonalność. Metody muszą być w stanie poradzić sobie z dużymi ilościami danych i potrzebna jest optymalizacja procesu etykietowania nowych przykładów przez eksperta.
Warsztaty posłużą za forum dla naukowców akademickich i przemysłowych do dyskusji nad nowymi obszarami aktywnego uczenia się i wypełnienia luki między pozyskiwaniem danych lub eksperymentowaniem a budowaniem modeli.Więcej informacji: http://www.nomao.com/labs/alra#