Forwarded from Цифровой геноцид
Алгоритмоцентрический дизайн. UX для дата-сцайнтистов. Ч.3
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
iMerit
Medical AI
iMerit’s specialized medical AI data enrichment team has a broad and deep knowledge base which enables it to produce quality work with nuanced use cases.
Forwarded from Оди
Forwarded from Оди
Фундамент дизайнера и арт-директора — Журналус № 330, спецвыпуск серии о профессиях в дизайне
Мы продолжаем серию спецвыпусков «Как освоить профессию и достичь в ней высот». В этой части мы расскажем о фундаментальных знаниях и инструментах, которые пригодятся современному дизайнеру. Мы старались отобрать именно базу, которая нужна всем дизайнерам, независимо от сферы. Это та материнская плата, на которую можно устанавливать специальные знания по конкретным направлениям дизайна.
Что внутри этого выпуска:
— Лучшие книги
— Большая подборка статей
— Курсы и лекции
— Инструменты и файлы для работы
Кратко перечислим дисциплины, владение которыми лежит в фундаменте работы хорошего дизайнера и арт-директора:
— Рабочая этика
— Переговоры с коллегами, руководителями и клиентами
— Ведение проектов, умение организовать себя и других
— Принципы восприятия и основы психологии
— Основы маркетинга
— Текст и инфостиль
— Типографика, композиция, колористика
— Интеллектуальное и контрактное право (основы)
В этом выпуске мы постарались собрать лучшие материалы именно по этим областям знания.
Доступно в телеграм-боте и веб-версии, в Daily-формате, а ещё лежит в почтах у подписчиков
Подробности и подписка: zhurnalus.artlebedev.ru
Мы продолжаем серию спецвыпусков «Как освоить профессию и достичь в ней высот». В этой части мы расскажем о фундаментальных знаниях и инструментах, которые пригодятся современному дизайнеру. Мы старались отобрать именно базу, которая нужна всем дизайнерам, независимо от сферы. Это та материнская плата, на которую можно устанавливать специальные знания по конкретным направлениям дизайна.
Что внутри этого выпуска:
— Лучшие книги
— Большая подборка статей
— Курсы и лекции
— Инструменты и файлы для работы
Кратко перечислим дисциплины, владение которыми лежит в фундаменте работы хорошего дизайнера и арт-директора:
— Рабочая этика
— Переговоры с коллегами, руководителями и клиентами
— Ведение проектов, умение организовать себя и других
— Принципы восприятия и основы психологии
— Основы маркетинга
— Текст и инфостиль
— Типографика, композиция, колористика
— Интеллектуальное и контрактное право (основы)
В этом выпуске мы постарались собрать лучшие материалы именно по этим областям знания.
Доступно в телеграм-боте и веб-версии, в Daily-формате, а ещё лежит в почтах у подписчиков
Подробности и подписка: zhurnalus.artlebedev.ru