Label in the Loop

Wydajny system do efektywnego szkolenia modeli uczenia maszynowego poprzez proces etykietowania.

Label in the Loop jest technologią wspomagającą dla organizacji opartych na danych, które potrzebują współpracy lub nadzoru ekspertów w dziedzinie nad nieoznakowanym zbiorem danych.

Podstawowa propozycja wartości LITL polega na inteligentnej selekcji i wyborze próbek danych oraz inteligentnym wyznaczaniu odpowiednich ekspertów dziedzinowych.

Technologia LITL:

01.

Redukcja czasu i kosztów szkolenia modeli uczenia maszynowego

02.

Szkolenie modeli uczenia maszynowego w scenariuszach bez danych lub z małymi danymi – pozwalające na stopniowe zwiększanie jakości modelu i jego adaptację do zmieniających się danych lub wymagań

03.

Analityka ekspercka (tj. przydzielanie ekspertów, konsensus ekspertów i szacowanie wydajności ekspertów)

Jak to działa?

LITL jest systemem aktywnego uczenia się, aby efektywnie trenować modele ML w konfiguracji danych nieoznakowanych. W szczególności, LITL wybiera próbki z puli nieoznakowanych danych, które będą miały największy wpływ na wydajność modelu i przypisuje je do ekspertów zgodnie z ich szacowaną wydajnością na podobnych próbkach. Sam proces przypisywania ekspertów balansuje pomiędzy eksploracją a eksploatacją wiedzy ekspertów w celu bardziej efektywnego oszacowania ich wydajności. Cały proces działa iteracyjnie, poprzez przekwalifikowanie modelu z kolejnymi partiami próbek. W miarę jak model uczy się na rosnącym zbiorze etykiet, zmienia swoją niepewność wobec nieoznakowanych próbek, na których opiera się proces próbkowania.

Właściwości:

Aktywne uczenie się próbkowania

Wybór partii początkowej

Przydzielanie ekspertów

Konsensus ekspertów

Szacowanie wydajności ekspertów

Identyfikacja nowych klas

Aktywne uczenie się próbkowania

Wybór partii początkowej

Przydzielanie ekspertów

Właściwości:

Konsensus ekspertów

Szacowanie wydajności ekspertów

Identyfikacja nowych klas

Schedule a meeting

with an active learning expert