在 QCon 上海 2018 大会上，孙鹏讲师做了《半监督学习加速 AI 产业数据标注流程》主题演讲，主要内容如下。
演讲简介：
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
- 人工智能领域数据标签简介
- 半监督学习简介，以及和有监督学习、无监督学习的区别
- 半监督学习常见方法
- 半监督学习加速数据标注的机制
听众收益
- 了解到人工智能领域易被忽视却又至关重要的一环：数据标注
- 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
- 了解到人工智能领域利用半监督学习加速数据标注的实例
讲师介绍：
孙鹏
苏宁美国硅谷研究院 大数据实验室高级数据科学家
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。
完整演讲 PPT 下载链接：
评论