Infothek
Neuer Beitrag auf dem Workshop Interactive Adaptive Learning (IAL), ECML PKDD 2023
Der Artikel "Who knows best? A Case Study on Intelligent Crowdworker Selection via Deep Learning" von Marek Herde, Denis Huseljic, Bernhard Sick, Ulrich Bretschneider und Sarah Oeste-Reiß präsentiert eine Fallstudie, in der demonstriert wird, wie die Anwendung von Deep Learning zur intelligenten Auswahl von Crowdworkern die Anzahl fehlerhafter Annotationen reduziert und somit die Annotationskosten für die Erstellung zuverlässiger Trainingsdaten für tiefe neuronale Netze verringert.
Aktuelles
Neuer Beitrag auf dem Workshop Interactive Adaptive Learning (IAL), ECML PKDD 2023
Der Artikel "Who knows best? A Case Study on Intelligent Crowdworker Selection via Deep Learning" von Marek Herde, Denis Huseljic, Bernhard Sick, Ulrich Bretschneider und Sarah Oeste-Reiß präsentiert eine Fallstudie, in der demonstriert wird, wie die Anwendung von Deep Learning zur intelligenten Auswahl von Crowdworkern die Anzahl fehlerhafter Annotationen reduziert und somit die Annotationskosten für die Erstellung zuverlässiger Trainingsdaten für tiefe neuronale Netze verringert.
Termine
Neuer Beitrag auf dem Workshop Interactive Adaptive Learning (IAL), ECML PKDD 2023
Der Artikel "Who knows best? A Case Study on Intelligent Crowdworker Selection via Deep Learning" von Marek Herde, Denis Huseljic, Bernhard Sick, Ulrich Bretschneider und Sarah Oeste-Reiß präsentiert eine Fallstudie, in der demonstriert wird, wie die Anwendung von Deep Learning zur intelligenten Auswahl von Crowdworkern die Anzahl fehlerhafter Annotationen reduziert und somit die Annotationskosten für die Erstellung zuverlässiger Trainingsdaten für tiefe neuronale Netze verringert.