半监督学习加速AI产业数据标注

作者介绍：孙鹏，苏宁大数据实验室高级数据科学家，美国弗吉尼亚理工大学统计学博士，研究方向是非参数贝叶斯理论。读博期间在Capital  One银行实习参与用户分级项目。拥有7年以上数据科学建模经验，博士毕业后在KPMG就职并单独承担OR模型的开发，并曾在美国房地美公司负责模型风险调控。2018年加入苏宁参与个人贷款风控模型的研发。精通R,Python和Rcpp，对机器学习领域的新方法感兴趣。曾在Kaggle历史总奖金最高的比赛（Zillow Price）排名第一。

演讲概述

数据标注在人工智能领域是决定数据质量的关键一环，而丰富的标签是成功的机器学习建模的先决条件。在诸如图像识别、文本识别和语音识别等领域，未知的图片、文本和音频往往因为需要人工打标签而耗费大量成本。半监督学习正是一种潜在的降低此类成本的方法。通过人工智能和人工标注更有效的“互动”，半监督学习可以加速数据标注的流程。

主要内容：

1. 人工智能领域数据标签简介；

2. 半监督学习简介，以及和有监督学习、无监督学习的区别；

3. 半监督学习常见方法；

4. 半监督学习加速数据标注的机制。

听众收益：

1. 了解人工智能领域易被忽视却又至关重要的一环：数据标注；

2. 理解机器学习领域监督学习，无监督学习和半监督学习的区别；

3. 了解人工智能领域利用半监督学习加速数据标注的实例。

演讲视频

幻灯片

在QCon公众号后台回复“0402”

即可下载完整幻灯片

---

以上就是孙鹏老师在 QCon 上海 2018 的精彩分享，更多话题探索请持续关注新一届的 QCon 大会。

目前大会 9 折 报名中，立减 880 元。点击 「阅读原文」或识别二维码了解 QCon 十周年的精心策划。有任何问题欢迎联系票务小姐姐 Ring：电话 010-53935761，微信 qcon-0410。