Session
Analiza obrazów przy użyciu Azure Machine Learning Services - studium przypadku
Jak trudne jest zbudowanie modelu klasyfikującego zdjęcia lub wykrywającego na tych zdjęciach niewidoczne gołym okiem obiekty? Ile zdjęć jest potrzebnych do nauczenia modelu? Co jest najtrudniejszym etapem eksperymentu uczenia maszynowego? Dlaczego projekty uczenia maszynowego nazywamy eksperymentami? Jak ocenić jakość modelu? Ile to kosztuje? I wreszcie, czemu 2/3 projektów uczenia maszynowego nie kończy się wdrożeniem?
W trakcie sesji omówię projekt prowadzony wraz ze stowarzyszeniem Sztuczna inteligencja w Medycynie i odpowiem na wszystkie powyższe pytania. Jeśli zastanawiasz się nad praktycznym zastosowaniem najnowocześniejszych technik głębokiego uczenia maszynowego, zapraszam!

Marcin Szeliga
Freelancer Data Scientist working with and teaching SQL Server and Azure.
Katowice, Poland