Von Rohdaten zu KI-Trainingsdaten mit programmatischem Datenlabeling

VERANSTALTUNGSART:
Vortrag, Netzwerken
THEMENBEREICH:
Data & Tech
LEVEL:
Erste Grundkenntnisse hilfreich

Wir zeigen neueste Forschungsergebnisse aus dem Hasso Plattner Institut zu skalierbarem Datenlabeling mit Weak Supervision und Active Learning

Zur Entwicklung von KI-Modellen werden enorm große Mengen an Trainingsdaten benötigt; möchten Sie etwa einen Spam-Detektor auf Basis maschinellen Lernens implementieren, brauchen Sie schnell Zehntausende bis Hunderttausende an E-Mails mit dem jeweiligen Vermerk (genannt Label), ob die E-Mail Spam oder Ham (d.h. eine reguläre E-Mail) ist.

In zahlreichen Anwendungsfällen existieren diese Labels jedoch nicht, und müssen zur Implementierung manuell in einem sehr zeitaufwändigen und kostspieligen Prozess erst erstellt werden. Oftmals handelt es sich dabei um den Flaschenhals bei der gesamten Entwicklung (sogar vor dem eigentlichen Algorithmus).

Wir zeigen, wie dieses Problem mit einem neuen, programmatischen Ansatz gelöst werden kann. Dafür stellen wir neueste Forschungsergebnisse vom Potsdamer Hasso Plattner Institut, sowie das daraus entstandene System onetask.ai vor, mit dem enorme Mengen an Daten binnen kürzester Zeit skalierbar gelabelt werden können.

Im Anschluss an die Präsentation ist ein offener Austausch geplant.



Anmeldung

Die Teilnahme ist offen



Kontakt

Herr Johannes Hötter


Telefon: +4915737025688

E-Mail: johannes.hoetter@onetask.ai



Veranstaltung Teilen

WANN, WO & WIE

WANN:

Freitag, 17.09.21
| 10:00 bis 11:00 Uhr


DIGITAL:

https://meet.google.com/qzv-kmgp-qbd?authuser=1


EINTRITT: Kostenlos


TEILNAHME: offen


Veranstaltender

onetask.ai GmbH

Gerhart-Hauptmann-Allee 71

15732 Eichwalde


www.onetask.ai

www.linkedin.com/company/onetask-ai