Michael Daconta tiene razón en que la calificación de ensayos automatizada es un buen ejemplo de aprendizaje automático que se aplica con éxito a un pequeño problema de datos. Sin embargo, no conozco a nadie en el campo que esté utilizando el aprendizaje profundo para abordarlo en este momento. Yo y varios de mis colegas estamos investigando formas de abordar el problema con el aprendizaje profundo, pero aún no he visto a nadie publicar resultados exitosos.
Con AES, a menudo está trabajando con conjuntos de capacitación del orden de 500-2000 ensayos, debido a la dificultad para obtener respuestas de los estudiantes y obtener puntajes humanos confiables. La mayor parte de la investigación de aprendizaje profundo que he visto comienza con 50,000 instancias de capacitación, por lo que sigo esta pregunta, en caso de que alguien pueda hacer referencia a técnicas para datos pequeños. Si alguien quiere hacer una lluvia de ideas sobre enfoques, también estaría abierto a compartir ideas.
- ¿En qué orden debo aprender redes neuronales, aprendizaje automático, IA y NPL?
- ¿Crees que la investigación universal de perturbaciones adversas es justa en las redes neuronales profundas?
- Durante la limpieza de datos cuando tiene un número decimal que representa el número de personas, ¿debe redondear hacia arriba o hacia abajo? Además, ¿qué sucede si el número total de todos los números redondeados no coincide con el número total de personas, es un error?
- Cómo dominar el aprendizaje automático para poder unirme a Google para puestos relacionados con el aprendizaje automático
- ¿Cómo se eligieron las palabras sesgo y varianza (Machine Learning)?
