watchful-automated-data-labeling-machine-learning.md

使用机器学习进行自动数据标注

原文：www.kdnuggets.com/2021/08/watchful-automated-data-labeling-machine-learning.html

赞助商帖子。

网络研讨会：2021 年 9 月 2 日，下午 3 点 PT，下午 6 点 ET

手工标注的主要问题包括引入偏差（手工标签既不可解释也不可说明），高昂的成本（包括财政成本和领域专家的时间），以及没有所谓的“金标准标签”（即使是最著名的手工标注数据集也有至少 5%的标签错误率！）。

Watchful 的 CEO Shayan Mohanty 加入了 Coiled 的数据科学宣传主管 Hugo Bowne-Anderson，讨论了为何手工标注，作为人机智能的基本部分，是幼稚、危险且昂贵的。他将分享一个不断扩展的替代方案世界，包括半监督学习、弱监督和主动学习。在这些其他技术时代，手工标注就像是古腾堡后抄书的抄写员。

所有参与者将：

• 了解扩展数据标注的技术和方法

• 接收一个 Jupyter Notebook，它将引导参与者了解一些讨论过的概念。

• 在网络研讨会后接收一页摘要，涵盖关键概念

在此注册

---

我们的三大课程推荐

1. Google 网络安全证书 - 快速开启网络安全职业生涯。

2. Google 数据分析专业证书 - 提升你的数据分析技能

3. Google IT 支持专业证书 - 支持你的组织的 IT

---

更多相关内容

• 机器学习的数据标注：市场概况、方法和工具

• 我如何使用 Grounding DINO 进行自动图像标注

• 使用 Streamlit DIY 自动化机器学习

• 使用 Python 的自动化机器学习：案例研究

• 使用 Python 的自动化机器学习：不同方法的比较

• 利用 ChatGPT 进行自动化数据清理和预处理