Capítulo 8. Automatización
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Introducción
La automatización puede ayudar a crear procesos sólidos, reducir las tediosas cargas de trabajo y mejorar la calidad. El primer tema que trataré en este capítulo es el preetiquetado: la idea de ejecutar un modelo antes de la anotación. Trataré los conceptos básicos y, a continuación, conceptos más avanzados, como el preetiquetado de sólo una parte de los datos.
Después, las automatizaciones interactivas se producen cuando un usuario añade información para ayudar al algoritmo. El objetivo final de los automatismos interactivos es hacer que el trabajo de anotación sea una extensión más natural del pensamiento humano. Por ejemplo, dibujar un recuadro para obtener automáticamente una ubicación más ajustada marcada por un polígono nos parece intuitivo.
La garantía de calidad (GC) es uno de los usos habituales de las herramientas de datos de entrenamiento en . Abarco nuevos e interesantes métodos, como utilizar el modelo para depurar la verdad básica. Otras herramientas comprueban automáticamente los casos base y examinan los datos para ver si son razonables en general.
El preetiquetado, las automatizaciones interactivas y las herramientas de control de calidad te llevarán lejos. Tras cubrir los fundamentos, recorreré los aspectos clave de la exploración y el descubrimiento de datos. ¿Y si pudieras consultar los datos y etiquetar ...
Get Datos de entrenamiento para el aprendizaje automático now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
