أنت في مقابلة مهندس ML في Stripe. يسأل المحاور: "غالبا ما يعارض الناس المعاملات التي أجروها بالفعل. كيف تبني نموذجا خاضعا للإشراف يتنبأ بالنزاعات المزيفة؟ لا توجد بيانات مصنفة ". أنت: "سأضع علامة على البطاقات ذات معدلات النزاع العالية." انتهت المقابلة. إليك ما فاتك: يعد التعلم النشط طريقة سهلة وغير مكلفة نسبيا لإنشاء نماذج خاضعة للإشراف عندما لا يكون لديك بيانات مشروحة لتبدأ. كما يوحي الاسم ، فإن الفكرة هي بناء النموذج بردود فعل بشرية نشطة على الأمثلة التي يكافح معها. يلخص المرئي أدناه هذا. 1) ابدأ بتسمية نسبة ضئيلة من بياناتك يدويا. 2) قم ببناء نموذج على مجموعة البيانات الصغيرة المسماة هذه. لن يكون هذا نموذجا جيدا ، لكن هذا جيد. 3) بعد ذلك ، قم بإنشاء تنبؤات على مجموعة البيانات التي لم تقم بتسميتها. نظرا لأن مجموعة البيانات غير مصنفة ، فلا يمكننا تحديد ما إذا كانت هذه التنبؤات صحيحة. ...