分享背景
▼
深度模型在机器学习很多领域都取得了巨大成功,但也对算法的原材料训练数据提出了更多的要求。对于研发高水平的算法,数据的高质量采集、清洗、处理等等对算法效果会有直接影响。本次分享主要介绍数据规模、数据质量等与深度学习算法之间的关系,以及为算法做数据准备的一些经验。
分享主题
▼
AI数据面面观---从数据采集与标记行业看数据与深度学习之关系
分享人简介
▼
吴昊,本科毕业于上海交通大学,硕士毕业于纽约大学,现任BasicFinder标注平台数据科学家,专注于数据众包策略研究、深度学习模型数据采集与标记方案咨询及优化。
分享时间
▼
北京时间10月16日(周一) 20:00
参与方式
▼
扫描海报二维码添加社长微信,备注「吴昊」