Mit tegyünk, ha kevés az adat?
A modern gépi tanulási megoldások "küzdési stratégiái" adat-aszály esetére.
sat
02024. november 4. 14:00
A cég - immár tulajdonosként - egy kis tőkeinjekciót is biztosít a Globalstarnak.LLAMA
02024. november 4. 12:45
A Llama nyilvánosan hozzáférhető korábbi verzióját finomhangolták kínai kutatók az operatív döntéshozatalt segítő AI-eszköz fejlesztéséhez.Q3
02024. október 31. 14:10
Jövőre jelentős infrastruktúra-bővítést hajt végre a közösségi óriás.
A Gitlab mint DevSecOps platform (x)
Gyere el Radovan Baćović (Gitlab, Data Engineer) előadására a november 7-i DevOps Natives meetupon.A Gitlab mint DevSecOps platform (x) Gyere el Radovan Baćović (Gitlab, Data Engineer) előadására a november 7-i DevOps Natives meetupon.
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