Jak brudne dane uratowały projekt machine learningowy - Taby vs Spacje #129

To jeden z tych momentów w ML, kiedy teoria spotyka rzeczywistość i rzeczywistość mówi: nie tędy droga. Intuicja podpowiadała: najpierw wyczyścić dane, usunąć szum, przygotować wszystko „porządnie”. Tylko że model miał inne zdanie. Lepsze wyniki dawało dorzucanie kolejnych brudnych, prawdziwych przykładów niż dopieszczanie danych wejściowych. Jak przygotować się na taką sytuację? I jak tworzyć projekt z pomocą AI, w którym wszystko jest na opak?

***

📲 Śledź Social Media The Software House i bądź na bieżąco!
🟦Facebook https://www.facebook.com/TheSoftwareHousePL
🟦LinkedIn https://www.linkedin.com/company/the-software-house
🟦Instagram https://www.instagram.com/thesoftwarehouse/

📣 Słuchaj nas na swojej ulubionej platformie: https://www.spreaker.com/show/taby-vs-spacje

📤 Kontakt: podcast@tsh.io

Adam Polak – CTO w The Software House
LinkedIn 👇
https://www.linkedin.com/in/adam-polak-tsh/

Andrzej Wysoczański – Head of Development w The Software House
LinkedIn 👇
https://www.linkedin.com/in/andrzej-wysoczanski/