Apprendimento automatico umano in circolo: Apprendimento attivo e annotazione per un'intelligenza artificiale incentrata sull'uomo

Recensioni dei lettori

Il libro ha ricevuto un misto di elogi e critiche. Molti recensori ne sottolineano la praticità, la rilevanza e la completezza nel campo dell'apprendimento automatico con annotazione umana, in particolare per quanto riguarda l'apprendimento attivo e la gestione dei dati. Al contrario, alcuni criticano il titolo come fuorviante, il costo elevato e la mancanza di nuovi contenuti o approfondimenti.

⬤ Risorsa altamente pratica, incentrata sull'applicazione piuttosto che sulla teoria
⬤ scrittura chiara con intuizioni preziose
⬤ discussioni esaurienti sull'apprendimento attivo e sulle metodologie human-in-the-loop
⬤ adatto a lettori sia tecnici che non tecnici
⬤ aiuta a migliorare le operazioni sui dati e i processi di etichettatura
⬤ eccellente per coloro che si occupano principalmente della gestione dei dati nell'apprendimento automatico.

⬤ Considerato costoso per il contenuto offerto
⬤ alcuni ritengono che il titolo travisi l'obiettivo del libro
⬤ affermazioni sulla ridondanza con risorse online liberamente disponibili
⬤ confusione riguardo al pubblico di riferimento
⬤ mancanza di nuovi algoritmi presentati.

(basato su 10 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Human-in-the-Loop Machine Learning: metodi per una collaborazione efficace tra uomo e macchina.

Sommario

La maggior parte dei sistemi di apprendimento automatico oggi in uso nel mondo apprende dal feedback umano. Tuttavia, la maggior parte dei corsi di apprendimento automatico si concentra quasi esclusivamente sugli algoritmi e non sull'interazione uomo-macchina dei sistemi. Questo può lasciare un grande vuoto di conoscenze per gli scienziati dei dati che lavorano nell'apprendimento automatico del mondo reale, dove gli scienziati dei dati passano più tempo a gestire i dati che a costruire algoritmi. Human-in-the-Loop Machine Learning è una guida pratica all'ottimizzazione dell'intero processo di apprendimento automatico, che include tecniche di annotazione, apprendimento attivo, apprendimento per trasferimento e l'utilizzo dell'apprendimento automatico per ottimizzare ogni fase del processo.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

Le applicazioni di apprendimento automatico funzionano meglio con il feedback umano. Mantenere le persone giuste nel loop migliora l'accuratezza dei modelli, riduce gli errori nei dati, abbassa i costi e aiuta a spedire i modelli più velocemente.

Informazioni sul libro

Human-in-the-Loop Machine Learning illustra i metodi che consentono a uomini e macchine di lavorare insieme in modo efficace. Troverete le migliori pratiche per la selezione di dati campione per il feedback umano, il controllo di qualità per le annotazioni umane e la progettazione di interfacce di annotazione. Imparerete a creare dati di addestramento per l'etichettatura, il rilevamento di oggetti e la segmentazione semantica, l'etichettatura delle sequenze e altro ancora. Il libro parte dalle basi per arrivare a tecniche avanzate come l'apprendimento per trasferimento e l'auto-supervisione all'interno dei flussi di lavoro di annotazione.

Cosa contiene

Identificare i dati di addestramento e di valutazione giusti.

Trovare e gestire le persone che annotano i dati.

Selezionare le strategie di controllo della qualità dell'annotazione.

Progettazione di interfacce per migliorare l'accuratezza e l'efficienza.

Informazioni sull'autore

Robert (Munro) Monarch è uno scienziato dei dati e un ingegnere che ha costruito dati di apprendimento automatico per aziende come Apple, Amazon, Google e IBM. Ha conseguito un dottorato di ricerca a Stanford.

Robert ha conseguito un dottorato di ricerca a Stanford incentrato sull'apprendimento automatico Human-in-the-Loop per l'assistenza sanitaria e la risposta ai disastri, ed è un professionista della risposta ai disastri oltre che dell'apprendimento automatico. Un esempio di lavoro in questo testo è la classificazione di messaggi relativi a disastri reali a cui Robert ha contribuito a rispondere in passato.

Indice dei contenuti

PARTE 1 - PRIMI PASSI.

1 Introduzione all'apprendimento automatico human-in-the-loop.

2 Come iniziare con l'apprendimento automatico human-in-the-loop.

PARTE 2 - APPRENDIMENTO ATTIVO.

3 Campionamento dell'incertezza.

4 Campionamento della diversità.

5 Apprendimento attivo avanzato.

6 Applicazione dell'apprendimento attivo a diversi compiti di apprendimento automatico.

PARTE 3 - ANNOTAZIONE.

7 Lavorare con le persone che annotano i dati.

8 Controllo di qualità per l'annotazione dei dati.

9 Annotazione e incremento avanzato dei dati.

10 Qualità dell'annotazione per diversi compiti di apprendimento automatico.

PARTE 4 - INTERAZIONE UOMO-MACCHINA PER L'APPRENDIMENTO AUTOMATICO.

11 Interfacce per l'annotazione dei dati.

12 Prodotti di apprendimento automatico human-in-the-loop.