Ce que vous devez savoir avant
de commencer

Débute 4 July 2025 10:38

Se termine 4 July 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Tous les modèles sont faux, certains sont utiles : sélection de modèles avec des étiquettes limitées

Découvrez les secrets de la sélection de modèles avec "Tous les modèles sont faux, certains sont utiles : Sélection de modèles avec des étiquettes limitées." Plongez dans le cadre de pointe MODEL SELECTOR, conçu pour identifier les meilleurs classificateurs pré-entraînés en utilisant une fraction des données étiquetées. Cette approche révolu.
Scalable Parallel Computing Lab, SPCL @ ETH Zurich via YouTube

Scalable Parallel Computing Lab, SPCL @ ETH Zurich

2765 Cours


25 minutes

Mise à niveau optionnelle disponible

Not Specified

Progressez à votre rythme

Free Video

Mise à niveau optionnelle disponible

Aperçu

Découvrez les secrets de la sélection de modèles avec "Tous les modèles sont faux, certains sont utiles :

Sélection de modèles avec des étiquettes limitées." Plongez dans le cadre de pointe MODEL SELECTOR, conçu pour identifier les meilleurs classificateurs pré-entraînés en utilisant une fraction des données étiquetées. Cette approche révolutionnaire réduit considérablement les coûts d'étiquetage de manière impressionnante de 94,15 %, permettant aux chercheurs et aux praticiens d'explorer efficacement plus de 1 500 modèles à travers 16 ensembles de données diversifiés.

Rejoignez-nous pour révolutionner votre compréhension de la sélection de modèles dans les domaines de l'Intelligence Artificielle et de l'Informatique.

Programme

  • Introduction à la Sélection de Modèle
  • Importance de la Sélection de Modèle en Apprentissage Automatique
    Défis de la Sélection de Modèle avec des Données Étiquetées Limitées
  • Aperçu des Modèles Prétrainés
  • Types de Modèles Prétrainés
    Avantages et Limites
  • Introduction au Cadre MODEL SELECTOR
  • Concept et Objectifs
    Caractéristiques Clés et Avantages
  • Guide Pratique pour Utiliser MODEL SELECTOR
  • Architecture du Cadre
    Mise en Œuvre Étape par Étape
  • Stratégies pour Réduire les Coûts d'Étiquetage
  • Approches d'Apprentissage Actif
    Techniques d'Échantillonnage par Incertitude
  • Études de Cas
  • Sélection de Modèle sur les Jeux de Données de Classification d'Image
    Sélection de Modèle sur les Jeux de Données de Classification de Texte
  • Évaluation des Performances
  • Métriques pour la Comparaison de Modèles
    Analyse des Résultats et Efficacité des Coûts
  • Sujets Avancés
  • Intégration de MODEL SELECTOR avec les Bibliothèques Populaires d'Apprentissage Automatique
    Personnalisation de MODEL SELECTOR pour des Cas d'Utilisation Spécifiques
  • Éthique et Utilisation Responsable des Modèles Prétrainés
  • Considérations de Biais et d'Équité
    Directives pour une Utilisation Éthique
  • Projet Final : Application de MODEL SELECTOR à un Jeu de Données du Monde Réel
  • Directives du Projet et Référentiels
    Présentation et Revue par les Pairs
  • Conclusion
  • Résumé des Enseignements Clés
    Tendances Futures dans la Sélection de Modèle et l'Efficacité des Étiquettes

Sujets

Informatique