Meetup

Comment faire passer à l'échelle les données d'entraînement ?

19h00

Cowork Immo , 198b rue la Fayette, 75010 Paris

"Il vaut mieux un algorithme standard sur beaucoup de données de qualité qu'un algorithme état de l'art sur peu de données."

 

Ainsi l'étiquetage de donnée est devenu, même si très pénible, une étape incontournable du processus de modélisation.

Cependant, l'annotation à l'échelle exige la combinaison d'interfaces intuitives et de machine learning (pour pré annoter par exemple). Plus encore, la labellisation à l'échelle sans compromettre la qualité des données exige de la transparence tout au long du processus d'étiquetage pour faciliter le suivi de la qualité et la collaboration interne et/ou avec des annotateurs externes.

Venez participer à notre meetup où nous montrerons comment Kili a réussi à structurer le pipeline d'annotation pour pouvoir passer à l'échelle et mieux encore pour aider à la mise en production en facilitant la supervision humaine et l'apprentissage continu.

 

 

  • L'annotation de la donnée
  • Les enjeux
  • La solution Kili
  • Retour d'expérience