Kis adat kis gond?
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
Kevés adatpont birtokában sem kell elköszönni a prediktív modellektől.
LEXTIKTOK
12024. december 20. 13:30
A kínai tulajdonú TikTok eddig szinte minden komolyabb jogi lehetőségét kimerítette az amerikai tilalom ellen, most készülhet utolsó mentsvárához.intel
32024. december 20. 13:01
A Core Ultra 200S család tagjainak teljesítménye windows- és BIOS-frissítések révén javulhat.NUVIA
82024. december 20. 11:25
Az egész piacra jelentős hatással lehet az Arm és a Qualcomm közti per kimenetele, mely a felvásárolt Nuvia technológiái körül forog.
A big datáról és a kapcsolódó problémákról rengeteg publikáció érhető el. De mi a helyzet a kis adatokkal? A kis mennyiségű adatok elemzése is számos módszertani kihívással jár, amelyről kevés szó esik. Az idén szeptember 24-i HWSW free! meetupon elhangzott előadásban Windhager-Pokol Eszter, a Starschema vezető adattudósa egy esettanulmányon keresztül bemutatja, mire kell odafigyelni, hogyan kell prediktív modelleket építeni akkor, amikor kifejezetten kevés adatpont áll rendelkezésre.
Az AI témaköre idén is önálló szekciót kap a november 27-28-án rendezett HWSW mobile! digitális termékfejlesztési konferencián, amelyet a szegmens, és a kapcsolódó technológiák után érdeklődőknek nem érdemes kihagyni! A szekcióban Windhager-Pokol Eszter ismét színpadra áll, előadásában pedig arról beszél majd, mikor hasznosak az AutoML eszközök és melyek azok a feladatok amelyekhez még mindig szükség van a sokszor pótolhatatlan emberi intelligenciára és kreativitásra.
Kis adat kis gond? - Windhager-Pokol Eszter (Starschema)
Még több videó