從數據採集與標記行業看數據與深度學習之關係
分享背景
深度模型在機器學習很多領域都取得了巨大成功,但也對演算法的原材料訓練數據提出了更多的要求。對於研發高水平的演算法,數據的高質量採集、清洗、處理等等對演算法效果會有直接影響。本次分享主要介紹數據規模、數據質量等與深度學習演算法之間的關係,以及為演算法做數據準備的一些經驗。
分享主題
AI數據面面觀---從數據採集與標記行業看數據與深度學習之關係
分享人簡介
吳昊,本科畢業於上海交通大學,碩士畢業於紐約大學,現任BasicFinder標註平台數據科學家,專註於數據眾包策略研究、深度學習模型數據採集與標記方案諮詢及優化。
分享時間
北京時間10月16日(周一) 20:00
參與方式
掃描海報二維碼添加社長微信,備註「吳昊」
如果你覺得活動不錯,歡迎點贊並轉發本文~
※深度學習目標檢測概覽
※下周學術青年分享會預告
※DeepMind AI 是如何識別音視頻概念的?
※IJCAI 2017提名最佳學生論文作者解讀
※卷積神經網路工作原理直觀的解釋?
TAG:唯物 |