Khoá học Active Learning – Bài 2.2 – Các thuật toán Uncertainty Cơ bản – Thực hành

Khoá học Active Learning là một trong những khoá học nằm trong chuỗi các khoá học miễn phí của Sun* AI Research chia sẻ về các chủ đề nhỏ trong lĩnh vực AI. Khoá học cung cấp kiến thức và các thuật toán cơ bản của Active Learning – một kĩ thuật rất hữu ích

Khoá học Active Learning là một trong những khoá học nằm trong chuỗi các khoá học miễn phí của Sun* AI Research chia sẻ về các chủ đề nhỏ trong lĩnh vực AI. Khoá học cung cấp kiến thức và các thuật toán cơ bản của Active Learning – một kĩ thuật rất hữu ích trong dự án thực tế với trường hợp chi phí gán nhãn dữ liệu hạn chế. Trong bài học này chúng ta sẽ cùng nhau tìm hiểu về các thuật toán Uncertainty Sampling cơ bản trong Active Learning. Các thuật toán này là các thuật toán nền tảng và có khả năng ứng dụng rất tốt trong các bài toán học máy. Chúng ta sẽ cùng nhau thực hành và so sánh sự hiệu quả của các thuật toán chính như:

  • Random Sampling
  • Least confidence sampling
  • Entropy-based sampling
  • Margin based sampling
  • Ratio based sampling

Rất mong các bạn ủng hộ team Sun* AI Research trong chuỗi các khoá học miễn phí dành cho cộng đồng nhé.

Nguồn: viblo.asia

Bài viết liên quan

9 Mẹo lập trình Web “ẩn mình” giúp tiết kiệm hàng giờ đồng hồ

Hầu hết các lập trình viên (kể cả những người giỏi) đều tốn thời gian x

Can GPT-4o Generate Images? All You Need to Know about GPT-4o-image

OpenAI‘s GPT-4o, introduced on March 25, 2025, has revolutionized the way we create visual con

Khi nào nên dùng main, section, article, header, footer, và aside trong HTML5

HTML5 đã giới thiệu các thẻ ngữ nghĩa giúp cấu trúc nội dung web một cách có

So sánh Webhook và API: Khi nào nên sử dụng?

Trong lĩnh vực công nghệ thông tin và phát triển phần mềm, Webhook và API là hai th