Sei in un colloquio per un ingegnere ML presso Stripe. L'intervistatore chiede: "Le persone spesso contestano transazioni che hanno effettivamente effettuato. Come costruire un modello supervisionato che prevede contestazioni false? Non ci sono dati etichettati." Tu: "Segnerò le carte con alti tassi di contestazione." Colloquio finito. Ecco cosa hai perso: L'apprendimento attivo è un modo relativamente semplice ed economico per costruire modelli supervisionati quando non hai dati annotati da cui partire. Come suggerisce il nome, l'idea è di costruire il modello con feedback umano attivo su esempi con cui sta avendo difficoltà. Il visual qui sotto riassume questo. 1) Inizia etichettando manualmente una piccola percentuale dei tuoi dati. 2) Costruisci un modello su questo piccolo dataset etichettato. Non sarà un buon modello, ma va bene così. 3) Successivamente, genera previsioni sul dataset che non hai etichettato. Poiché il dataset è non etichettato, non possiamo determinare se queste previsioni sono corrette. ...