Möchten Sie mit Ihrem Team teilnehmen? Ab drei Personen profitieren Sie von unseren Gruppenrabatten! Direkt im Shop buchen!

Gamification von Suche mit Bandits, Bayes und Swipes – oder: Wie man mit Small Data arbeitet

Für einen Data Scientist ist oft nicht Big Data, also (zu) viele Daten, sondern (zu) wenig oder schlechte Daten ein Problem. "Active Learning", ein Unterfeld von Machine Learning, erlaubt es, effizient gute Daten zu sammeln, indem es den Benutzer aktiv nach Labels fragt. So können auch mit wenig Daten Machine-Learning-Modelle entwickelt werden.

Dieser Vortrag gibt einen Einblick in das Thema Active Learning und stellt ein konkretes Fallbeispiel vor. Dieses zeigt, wie man mit

* Multi-armed Bandits, einem Active-Learning-Algorithmus,
* Bayes' Theorem
* und einem intuitiven Benutzerinterface zum Bewerten von Bildern mittels Swipes

spielerisch und effizient die Vorlieben des Nutzers erlernt und so eine andere Art der Autosuche bietet. Der Vortrag enthält sowohl Theorie als auch praktische Tipps.

Vorkenntnisse

Spezielle Vorkenntnisse sind nicht nötig.

Lernziele

Grundverständnis von Active Learning:
* Wie funktioniert es?
* Wann kann man es einsetzen?
* Vorteile und Nachteile

Speaker

 

Stefan Otte
Stefan Otte arbeitet als Data Scientist bei The unbelievable Machine Company GmbH (*um), ist Informatiker, mag Daten und hat Active Learning benutzt, um neugierige Roboter zu bauen.

Gold-Sponsoren

InterSystems
INNOQ
PRODATO

Silber-Sponsoren

HMS Analytical Software
inovex

Bronze-Sponsor

andrena

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden