Ein Blick in die DagsHub-Pipelines für aktives Lernen

Nuvola Ladi

2 Minuten lesen

6. März 2024

Entdecken Sie DagsHub Active Learning Pipelines auf der YOLO VISION 2023 mit Yono Mittlefehldt. Vom aktiven Lernen bis zur Bildsegmentierung: Entdecken Sie die transformative Kraft der KI.

Treten Sie ein in das Reich der modernsten Methoden der Künstlichen Intelligenz (KI) mit einem weiteren unserer Sprecher von YOLO VISION 2023 (YV23)! Bei dieser von Ultralytics unterstützten Veranstaltung, die auf dem Google for Startup Campus in Madrid stattfand, betrat Yono Mittlefehldt, ehemaliger Machine Learning Advocate bei DagsHub, die Bühne, um die Wunder aktiver Lernpipelines zu enthüllen. 

Einführung und Überblick

Um unsere Reise zu beginnen, wollen wir eine Einführung in aktive Lernpipelines geben. In diesem Vortrag haben wir uns die Unterschiede zwischen aktivem Lernen und traditionellen überwachten Lernmethoden angesehen.

Vorbereitung der Daten

Unser erster Schritt besteht darin, die Grundlagen für unsere aktive Lernpipeline zu schaffen. Wir importieren Abhängigkeiten, richten die Datenquelle ein und beginnen mit der Anreicherung der Metadaten mit ersten Annotationen. Es geht darum, die Grundlage für unsere KI-gestützte Exploration zu schaffen.

Modellhafte Ausbildung

Mit den vorbereiteten Daten tauchen wir in den spannenden Bereich des Modelltrainings ein. Mit dem Ultralytics YOLOv8-Datensatz und der YAML-Datei fügte Yono Callbacks hinzu, um Parameter und Metriken während des Trainings zu protokollieren. Dies ist ein entscheidender Schritt, um sicherzustellen, dass die KI-Modelle für den Erfolg gerüstet sind.

Aktiver Lernzyklus

Der nächste Schritt ist der aktive Lernzyklus - ein dynamischer Prozess, der das Laden von vortrainierten Modellen, die Bewertung von unmarkierten Daten und die Auswahl von Stichproben für die Annotation umfasst. Durch die iterative Anreicherung der Datenquelle mit Vorhersagen decken wir verborgene Erkenntnisse auf und treiben die Modelle zu neuen Höchstleistungen an.

Aktives Lernen für die Bildsegmentierung

Die Bildsegmentierung steht im Mittelpunkt, wenn wir die transformative Kraft des aktiven Lernens untersuchen. Indem wir Vorhersagen zur Kommentierung an Label Studio senden, verstehen wir das Potenzial für Modellverbesserungen durch mehrere Zyklen. Es ist eine Entdeckungsreise, bei der uns jede Iteration der KI-Perfektion näher bringt.

Verwendung des Etikettenstudios

In unserem Streben nach KI-Exzellenz erweist sich Label Studio als ein wichtiges Werkzeug in unserem Arsenal. Wir erstellen Projekte, um kommentierte Daten zu speichern, und nutzen die Label Studio-Server, um eine nahtlose Verbindung zur Aufgaben-API herzustellen. Durch die Zuordnung von Aufgaben zu Projektnamen optimieren wir unseren Workflow und ebnen den Weg für eine reibungslosere Zusammenarbeit.

Einpacken

Zum Abschluss des Vortrags ging Yono auf brennende Fragen aus dem Publikum ein. Von der Optimierung von Pipelines für bestimmte Aufgaben bis hin zur Reproduzierbarkeit und Dokumentation stellte er sicher, dass jeder Aspekt dieser Reise auf Best Practices und Industriestandards basiert.

Alles in allem war diese Reise durch aktives Lernen bei YV23 schlicht und ergreifend aufregend. Ausgestattet mit neuem Wissen und neuen Erkenntnissen sind wir bereit, uns in neue KI-Abenteuer zu stürzen, angetrieben von der Kraft des aktiven Lernens sowie der Unterstützung und dem Engagement unserer Gemeinschaft.

Seien Sie dabei, wenn wir die Grenzen der KI-Innovation weiter verschieben und neu definieren, was in der Welt des maschinellen Lernens möglich ist. Sehen Sie sich den vollständigen Vortrag hier an!

Lassen Sie uns gemeinsam die Zukunft
der KI gestalten!

Beginnen Sie Ihre Reise in die Zukunft des maschinellen Lernens

Kostenloser Start
Link in die Zwischenablage kopiert