Anda berada dalam wawancara ML Engineer di Stripe. Pewawancara bertanya: "Orang sering memperdebatkan transaksi yang sebenarnya mereka lakukan. Bagaimana cara membangun model yang diawasi yang memprediksi perselisihan palsu? Tidak ada data berlabel." Anda: "Saya akan menandai kartu dengan tingkat sengketa tinggi." Wawancara selesai. Inilah yang Anda lewatkan: Pembelajaran aktif adalah cara yang relatif mudah dan murah untuk membangun model yang diawasi ketika Anda tidak memiliki data beranotasi untuk memulai. Seperti namanya, idenya adalah untuk membangun model dengan umpan balik manusia aktif pada contoh yang sedang diperjuangkan. Visual di bawah ini merangkum ini. 1) Mulailah dengan memberi label secara manual pada persentase kecil data Anda. 2) Bangun model pada kumpulan data berlabel kecil ini. Ini tidak akan menjadi model yang bagus, tapi tidak apa-apa. 3) Selanjutnya, buat prediksi pada himpunan data yang tidak Anda labeli. Karena himpunan data tidak berlabel, kami tidak dapat menentukan apakah prediksi ini benar. ...