Jesteś na rozmowie kwalifikacyjnej na stanowisko inżyniera ML w Stripe. Interviewer pyta: "Ludzie często kwestionują transakcje, które faktycznie dokonali. Jak zbudować model nadzorowany, który przewiduje fałszywe spory? Nie ma oznaczonych danych." Ty: "Zgłoszę karty z wysokim wskaźnikiem sporów." Rozmowa zakończona. Oto, co przegapiłeś: Aktywne uczenie to stosunkowo łatwy i niedrogi sposób na budowanie modeli nadzorowanych, gdy nie masz oznaczonych danych na początku. Jak sama nazwa wskazuje, pomysł polega na budowaniu modelu z aktywnym ludzkim feedbackiem na przykładach, z którymi ma trudności. Poniższa wizualizacja podsumowuje to. 1) Zacznij od ręcznego oznaczania małego procentu swoich danych. 2) Zbuduj model na tym małym oznaczonym zbiorze danych. To nie będzie dobry model, ale to w porządku. 3) Następnie wygeneruj prognozy na zbiorze danych, którego nie oznaczyłeś. Ponieważ zbiór danych jest nieoznaczony, nie możemy określić, czy te prognozy są poprawne. ...