Aravind Putrevu
Devrel
LEARN, CONNECT, BUILD
Sei pronto per iniziare a usare l''intelligenza artificiale e le tecnologie più recenti? Microsoft Reactor fornisce eventi, formazione e risorse della community per aiutare sviluppatori, imprenditori e startup a sviluppare la tecnologia di intelligenza artificiale e altro ancora. Unisciti a noi.
LEARN, CONNECT, BUILD
Sei pronto per iniziare a usare l''intelligenza artificiale e le tecnologie più recenti? Microsoft Reactor fornisce eventi, formazione e risorse della community per aiutare sviluppatori, imprenditori e startup a sviluppare la tecnologia di intelligenza artificiale e altro ancora. Unisciti a noi.
26 febbraio, 2024 | 12:00 PM - 1:00 PM (UTC) Coordinated Universal Time
Argomento: Data Science & Machine Learning
Lingua: italiano
Labeled data powers AI/ML in the enterprise, but real-world datasets have been found to contain between 7-50% annotation errors. Imperfectly labelled text data hampers ML models' training (and evaluation) across tasks like intent recognition, entity recognition, and sequence generation. Although pretrained LLMs are equipped with a lot of world knowledge, their performance is adversely affected by noisy training data (as noted by OpenAI).
In this talk, we illustrate data-centric techniques to mitigate the effect of label noise without changing any code related to model architecture, hyperparameters, or training. These data quality improvement techniques should thus remain applicable even for future advanced LLMs like GPT-10.
Relatori
Anche gli eventi seguenti potrebbero essere di interesse per l'utente. Assicurati di visitare il nostro Home page del reattore per visualizzare tutti gli eventi disponibili.
Formato:
Live Stream
Argomento: Data Science & Machine Learning
Lingua: italiano
Formato:
Live Stream
Argomento: Data Science & Machine Learning
Lingua: italiano