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!