Practical Weak Supervision: Doing More with Less Data

اکثر دانشمندان و مهندسان داده امروزه برای آموزش مدل‌های یادگیری ماشین به داده‌های برچسب‌گذاری شده با کیفیت تکیه می‌کنند. اما ساخت یک مجموعه آموزشی به صورت دستی زمان بر و پرهزینه است و بسیاری از شرکت ها را با پروژه های ML ناتمام رها می کند. یک رویکرد عملی تری وجود دارد. در این کتاب، وی هیونگ توک، آمیت باهری، و سنجا فیلیپی به شما نشان می‌دهند که چگونه با استفاده از مدل‌های یادگیری با نظارت ضعیف، محصولات ایجاد کنید.

شما یاد خواهید گرفت که چگونه با استفاده از برچسب ضعیف، پروژه‌های پردازش زبان طبیعی و بینایی کامپیوتری بسازید. مجموعه‌های داده از Snorkel، فرعی از آزمایشگاه هوش مصنوعی استانفورد. از آنجایی که بسیاری از شرکت‌ها پروژه‌های ML را دنبال کرده‌اند که هرگز فراتر از آزمایشگاه‌های آن‌ها نمی‌روند، این کتاب همچنین راهنمای نحوه ارسال مدل‌های یادگیری عمیقی را که می‌سازید ارائه می‌کند.

• در این زمینه سرعت بگیرید. نظارت ضعیف، از جمله روش‌های استفاده از آن به عنوان بخشی از فرآیند علم داده
• استفاده از هوش مصنوعی Snorkel برای نظارت ضعیف و برنامه‌نویسی داده
• دریافت نمونه‌های کد برای استفاده از Snorkel برای برچسب‌گذاری مجموعه داده‌های متن و تصویر
• از یک مجموعه داده با برچسب ضعیف برای طبقه بندی متن و تصویر استفاده کنید
• با ملاحظات عملی برای استفاده از Snorkel با مجموعه داده های بزرگ و استفاده از خوشه های Spark برای مقیاس بندی برچسب گذاری آشنا شوید

Most data scientists and engineers today rely on quality labeled data to train machine learning models. But building a training set manually is time-consuming and expensive, leaving many companies with unfinished ML projects. There's a more practical approach. In this book, Wee Hyong Tok, Amit Bahree, and Senja Filipi show you how to create products using weakly supervised learning models.

You'll learn how to build natural language processing and computer vision projects using weakly labeled datasets from Snorkel, a spin-off from the Stanford AI Lab. Because so many companies have pursued ML projects that never go beyond their labs, this book also provides a guide on how to ship the deep learning models you build.

• Get up to speed on the field of weak supervision, including ways to use it as part of the data science process
• Use Snorkel AI for weak supervision and data programming
• Get code examples for using Snorkel to label text and image datasets
• Use a weakly labeled dataset for text and image classification
• Learn practical considerations for using Snorkel with large datasets and using Spark clusters to scale labeling