Machine Learning with Small Data: Practical Strategies (bằng tiếng Anh).

Bạn không cần hàng triệu điểm dữ liệu để xây dựng hệ thống AI hiệu quả. Trong nhiều kịch bản thế giới thực, từ chẩn đoán chuyên sâu đến các ứng dụng kinh doanh, làm việc với dữ liệu hạn chế là chuẩn. Chương trình học dựa trên văn bản này dạy bạn cách thiết kế, huấn luyện và đánh giá các mô hình học máy thành công khi dữ liệu khan hiếm. Bạn sẽ chuyển từ đấu tranh với quá phù hợp để tự tin áp dụng các kỹ thuật hiện đại mà tối đa hóa giá trị của mỗi điểm dữ liệu. Bạn sẽ học được gì: Hiểu được những thách thức cốt lõi của các tập dữ liệu nhỏ, bao gồm quá phù hợp, biến thiên cao và thiên vị đánh giá; Ứng dụng các kỹ thuật tăng cường dữ kiện và tạo dữ lượng tổng hợp để mở rộng các tập huấn luyện của bạn; Tận dụng việc học chuyển giao và các mô hình nền tảng được huấn loát trước để đạt được độ chính xác cao với dữ khoản tùy chỉnh tối thiểu; Cấu hình Quy tắc, phương pháp tổng hợp và chiến lược xác minh chéo được tối ưu hóa cho các chế độ mẫu nhỏ; Thực hiện các luồng công việc học tập tích cực để ưu tiên các điểm dữ liệu nào để dán nhãn tiếp theo. Chương trình bắt đầu với các khái niệm cơ bản về độ phức tạp mẫu và quá phù hợp trước khi chuyển sang các chiến lược thực tế, thực tế cho việc mở rộng dữ liệu, lựa chọn mô hình và xác minh mạnh mẽ. Được thiết kế cho người mới bắt đầu với một hiểu biết cơ bản về lập trình và các khái niệm học máy cốt lõi muốn giải quyết các vấn đề thế giới thực nơi dữ liệu bị hạn chế. Bắt đầu làm chủ học máy cho thế giới thực, nơi dữ liệu hiếm khi hoàn hảo hoặc phong phú.