Un vistazo a los pipelines de aprendizaje activo de DagsHub

Adéntrate en el reino de las metodologías de Inteligencia Artificial (AI) de vanguardia con otro de nuestros ponentes de YOLO VISION 2023 (YV23). En este evento impulsado por Ultralytics, organizado en el campus de Google for Startup en Madrid, Yono Mittlefehldt, ex Machine Learning Advocate en DagsHub, subió al escenario para desvelar las maravillas de los pipelines de aprendizaje activo.

Link to this sectionIntroducción y visión general#

Para comenzar nuestro viaje, preparemos el terreno con una introducción a los pipelines de aprendizaje activo. En esta charla, analizamos las diferencias entre el aprendizaje activo y los métodos tradicionales de aprendizaje supervisado.

Link to this sectionPreparación de datos#

Nuestra primera parada consiste en sentar las bases para nuestro pipeline de aprendizaje activo. Importamos dependencias, configuramos la fuente de datos y nos embarcamos en la misión de enriquecer los metadatos con anotaciones iniciales. Se trata de preparar los cimientos para nuestra exploración impulsada por AI.

Link to this sectionEntrenamiento de modelos#

Con los datos preparados y listos, nos sumergimos en el emocionante reino del entrenamiento de modelos. Con el dataset y el archivo YAML de Ultralytics YOLOv8, Yono añadió callbacks para registrar parámetros y métricas durante el entrenamiento. Este es un paso crucial para asegurar que los modelos de AI estén preparados para el éxito.

Link to this sectionCiclo de aprendizaje activo#

El siguiente paso es el ciclo de aprendizaje activo: un proceso dinámico que implica cargar modelos pre-entrenados, puntuar datos no etiquetados y seleccionar muestras para su anotación. A través del enriquecimiento iterativo de la fuente de datos con predicciones, descubrimos conocimientos ocultos e impulsamos los modelos hacia nuevas cotas.

Link to this sectionAprendizaje activo para segmentación de imágenes#

La segmentación de imágenes ocupa el centro de atención mientras exploramos el poder transformador del aprendizaje activo. Al enviar predicciones a Label Studio para su anotación, comprendemos el potencial de mejora del modelo a través de múltiples ciclos. Es un viaje de descubrimiento, donde cada iteración nos acerca a la perfección de la AI.

Link to this sectionUso de Label Studio#

En nuestra búsqueda de la excelencia en AI, Label Studio emerge como una herramienta importante en nuestro arsenal. Creamos proyectos para almacenar datos anotados, aprovechando los servidores de Label Studio para conectarnos con la API de tareas sin problemas. Con las tareas mapeadas a los nombres de los proyectos, optimizamos nuestro flujo de trabajo y allanamos el camino para una colaboración más fluida.

Link to this sectionConclusión#

Al finalizar la charla, Yono respondió a las preguntas candentes de nuestra audiencia. Desde la optimización de pipelines para tareas específicas hasta el énfasis en la reproducibilidad y la documentación, se aseguró de que cada aspecto de este viaje esté basado en las mejores prácticas y los estándares de la industria.

En general, este viaje a través del aprendizaje activo en YV23 ha sido apasionante. Armados con nuevos conocimientos y perspectivas, estamos listos para embarcarnos en nuevas aventuras de AI, impulsados por el poder del aprendizaje activo, así como por el apoyo y la participación de nuestra comunidad.

Únete a nosotros mientras seguimos superando los límites de la innovación en IA y redefiniendo lo que es posible en el mundo del aprendizaje automático. ¡Mira la charla completa Watch the full talk!