Un vistazo a las canalizaciones de aprendizaje activo de DagsHub
Descubre las canalizaciones de aprendizaje activo de DagsHub en YOLO VISION 2023 con Yono Mittlefehldt. Desde el aprendizaje activo hasta la segmentación de imágenes, explora el poder transformador de la IA.
Adéntrate en el mundo de las metodologías más avanzadas de inteligencia artificial (AI) con otra de las ponentes de YOLO VISION 2023 (YV23). En este evento impulsado por Ultralytics, celebrado en el Google for Startups Campus de Madrid, Yono Mittlefehldt, antiguo defensor del aprendizaje automático en DagsHub, subió al escenario para revelar las maravillas de las canalizaciones de aprendizaje activo.
Introducción y descripción general#
Para empezar, pongamos en contexto las canalizaciones de aprendizaje activo con una introducción. En esta charla, analizamos las diferencias entre el aprendizaje activo y los métodos tradicionales de aprendizaje supervisado.
Preparación de datos#
Nuestra primera parada consiste en sentar las bases de la canalización de aprendizaje activo. Importamos dependencias, configuramos la fuente de datos y nos ponemos manos a la obra para enriquecer los metadatos con anotaciones iniciales. Se trata de preparar los cimientos para nuestra exploración impulsada por IA.
Entrenamiento de modelos#
Con los datos preparados y listos, nos adentramos en el apasionante mundo del entrenamiento de modelos. Con el conjunto de datos y el archivo YAML de Ultralytics YOLOv8, Yono añadió callbacks para registrar parámetros y métricas durante el entrenamiento. Este es un paso crucial para garantizar que los modelos de IA estén listos para triunfar.
Ciclo de aprendizaje activo#
El siguiente paso es el ciclo de aprendizaje activo: un proceso dinámico que consiste en cargar modelos preentrenados, puntuar datos sin etiquetar y seleccionar muestras para su anotación. Al enriquecer de forma iterativa la fuente de datos con predicciones, descubrimos información oculta y llevamos los modelos a nuevas cotas.
Aprendizaje activo para la segmentación de imágenes#
La segmentación de imágenes ocupa un lugar central 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 varios ciclos. Es un viaje de descubrimientos en el que cada iteración nos acerca más a la perfección de la IA.
Uso de Label Studio#
En nuestra búsqueda de la excelencia en IA, Label Studio se perfila como una herramienta importante de nuestro arsenal. Creamos proyectos para almacenar datos anotados y aprovechamos los servidores de Label Studio para conectarnos sin problemas a la API de tareas. Al asignar las tareas a nombres de proyecto, agilizamos nuestro flujo de trabajo y allanamos el camino para colaborar con mayor facilidad.
Conclusiones#
Al terminar la charla, Yono respondió a las preguntas más apremiantes del público. Desde optimizar las canalizaciones para tareas específicas hasta destacar la reproducibilidad y la documentación, se aseguró de que todos los aspectos de este recorrido se basaran en las mejores prácticas y los estándares del sector.
En definitiva, este recorrido por el aprendizaje activo en YV23 ha sido de lo más emocionante. Con nuevos conocimientos y perspectivas, estamos listos para embarcarnos en nuevas aventuras de IA, impulsados por el poder del aprendizaje activo y por el apoyo y la participación de nuestra comunidad.
Acompáñanos mientras seguimos ampliando los límites de la innovación en IA y redefiniendo lo que es posible en el mundo del aprendizaje automático. ¡Mira la charla completa Mira la charla completa!
