Label in the Loop
Home page » Nasze rozwiązania » LITL
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.
- Metody łagodzenia skutków zimnego startu w LITL (wybór początkowej partii danych) osiągają stabilny wynik i jakość 80 percentyla (lub wyższą) rozkładu jakości (niestabilnej) metody bazowej.
- Metoda ekstrakcji wiedzy eksperckiej osiąga ponad 110% jakości najlepszego eksperta.
- Na 10% danych LITL osiąga ponad 80% jakości modelu wytrenowanego na 100% danych (lepsze modele szybciej i taniej).
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.