Mit tegyünk, ha kevés az adat?
A modern gépi tanulási megoldások "küzdési stratégiái" adat-aszály esetére.
Machine recruiting: nem biztos, hogy szeretni fogod
Az AI visszafordíthatatlanul beépült a toborzás folyamatába.
a címlapról
3
Túlzottan optimisták a magyar webáruházak
Hirdetés
Kubernetes Security és Go fejlesztői online képzéseket indítunk!
0
Vizsgálhatják az Amazont a saját márkás termékek miatt
borúra derű
3Túlzottan optimisták a magyar webáruházak
2024. november 22. 13:19
A Nagy Webáruház Felmérésben választ adó webshopok 78 százaléka számít bevételnövekedésre idén.bünti
0Vizsgálhatják az Amazont a saját márkás termékek miatt
2024. november 22. 09:44
A vizsgálat az új Bizottság által kezdeményezett első megfelelőségi felmérés lehet.DLINK
7Súlyos hiba érint több D-Link routert is
2024. november 21. 12:21
Hat nem támogatott router modellt is érint a sérülékenység, amihez már nem fog kiadni javítást a D-Link.
Machine recruiting: nem biztos, hogy szeretni fogod
Az AI visszafordíthatatlanul beépült a toborzás folyamatába.Machine recruiting: nem biztos, hogy szeretni fogod Az AI visszafordíthatatlanul beépült a toborzás folyamatába.
Mindenki nagy adatlázban ég, de különösen üzleti helyzetekben rendre kibukik, hogy messze nincs elég adatunk. Mit tehetünk ekkor, hogyan orvosoljuk a problémát? Szabados Levente, a Budapest.AI vezető tanácsadójának 2018. november 21-i HWSW mobile! termékfejlesztési konferencián elhangzott előadása a modern gépi tanulási megoldások "küzdési stratégiáit" veszi sorra a szűkös adathelyzetben, s eközben próbál fényt vetni a reprezentáció tanulás alapvető összefüggéseire.
Mit tegyünk, ha kevés az adat? - Szabados Levente (Budapest.AI)
Még több videó