Human-In-The-Loop Machine Learning: Aprendizaje activo y anotación para una IA centrada en el ser humano

Opiniones de los lectores

El libro ha recibido una mezcla de elogios y críticas. Muchos críticos destacan su practicidad, relevancia y exhaustividad en el campo del aprendizaje automático anotado por humanos, especialmente en lo que respecta al aprendizaje activo y la gestión de datos. Por el contrario, algunos critican su título por engañoso, su elevado coste y la falta de contenido o conocimientos nuevos.

⬤ Recurso muy práctico centrado en la aplicación más que en la teoría
⬤ redacción clara con ideas valiosas
⬤ debates exhaustivos sobre el aprendizaje activo y las metodologías human-in-the-loop
⬤ adecuado tanto para lectores técnicos como no técnicos
⬤ ayuda a mejorar las operaciones de datos y los procesos de etiquetado
⬤ excelente para quienes se ocupan principalmente de la gestión de datos en el aprendizaje automático.

⬤ Considerado caro para el contenido ofrecido
⬤ algunos creen que el título tergiversa el enfoque del libro
⬤ afirmaciones sobre redundancia con recursos en línea disponibles gratuitamente
⬤ confusión respecto al público objetivo
⬤ falta de nuevos algoritmos presentados.

(basado en 10 opiniones de lectores)

Título original:

Human-In-The-Loop Machine Learning: Active Learning and Annotation for Human-Centered AI

Contenido del libro:

Human-in-the-Loop Machine Learning presenta métodos para que humanos y máquinas trabajen juntos con eficacia.

Resumen

La mayoría de los sistemas de aprendizaje automático que se utilizan hoy en día en el mundo aprenden a partir de la retroalimentación humana. Sin embargo, la mayoría de los cursos de aprendizaje automático se centran casi exclusivamente en los algoritmos, y no en la parte de interacción humano-ordenador de los sistemas. Esto puede dejar un gran vacío de conocimientos para los científicos de datos que trabajan en el aprendizaje automático del mundo real, donde los científicos de datos pasan más tiempo en la gestión de datos que en la construcción de algoritmos. Human-in-the-Loop Machine Learning es una guía práctica para optimizar todo el proceso de aprendizaje automático, que incluye técnicas de anotación, aprendizaje activo, aprendizaje por transferencia y uso del aprendizaje automático para optimizar cada paso del proceso.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

Las aplicaciones de aprendizaje automático rinden mejor con la colaboración humana. Mantener a las personas adecuadas en el bucle mejora la precisión de los modelos, reduce los errores en los datos, disminuye los costes y le ayuda a enviar los modelos más rápido.

Acerca del libro

Human-in-the-Loop Machine Learning establece métodos para que humanos y máquinas trabajen juntos de forma eficaz. Encontrará las mejores prácticas en la selección de datos de muestra para la retroalimentación humana, el control de calidad de las anotaciones humanas y el diseño de interfaces de anotación. Aprenderá a crear datos de entrenamiento para el etiquetado, la detección de objetos y la segmentación semántica, el etiquetado de secuencias y mucho más. El libro comienza con los conceptos básicos y avanza hacia técnicas avanzadas como el aprendizaje por transferencia y la autosupervisión dentro de los flujos de trabajo de anotación.

Contenido

Identificación de los datos de entrenamiento y evaluación adecuados.

Búsqueda y gestión de personas para la anotación de datos.

Selección de estrategias de control de calidad de las anotaciones.

Diseño de interfaces para mejorar la precisión y la eficacia.

Sobre el autor

Robert (Munro) Monarch es un científico de datos e ingeniero que ha creado datos de aprendizaje automático para empresas como Apple, Amazon, Google e IBM. Es doctor por Stanford.

Robert tiene un doctorado de Stanford centrado en el aprendizaje automático Human-in-the-Loop para la asistencia sanitaria y la respuesta ante catástrofes, y es un profesional de la respuesta ante catástrofes además de ser un profesional del aprendizaje automático. Un ejemplo de trabajo a lo largo de este texto es la clasificación de mensajes relacionados con catástrofes reales a las que Robert ha ayudado a responder en el pasado.

Índice

PARTE 1 - PRIMEROS PASOS.

1 Introducción al aprendizaje automático human-in-the-loop.

2 Introducción al aprendizaje automático human-in-the-loop.

PARTE 2 - APRENDIZAJE ACTIVO.

3 Muestreo de incertidumbre.

4 Muestreo de diversidad.

5 Aprendizaje activo avanzado.

6 Aplicación del aprendizaje activo a diferentes tareas de aprendizaje automático.

PARTE 3 - ANOTACIÓN.

7 Colaboración con las personas que anotan los datos.

8 Control de calidad de la anotación de datos.

9 Anotación y aumento avanzados de datos.

10 Calidad de la anotación para distintas tareas de aprendizaje automático.

PARTE 4 - INTERACCIÓN PERSONA-ORDENADOR PARA EL APRENDIZAJE AUTOMÁTICO.

11 Interfaces para la anotación de datos.

12 Productos de aprendizaje automático human-in-the-loop.