AbstractThis article surveys recent

Abstract
This article surveys recent work in active learning aimed at making it more practical for real-world use. In general, active learning systems aim to make machine learning more economical, since they can participate in the acquisition of their own training data. An active learner might iteratively select informative query instances to be labeled by an oracle, for example. Work over the last two decades has shown that such approaches are effective at maintaining accuracy while reducing training set size in many machine learning applications. However, as we begin to deploy active learning in real ongoing learning systems and data annotation projects, we are encountering unexpected problems—due in part to practical realities that violate the basic assumptions of earlier foundational work. I review some of these issues, and discuss recent work being done to address the challenges. Keywords: Active Learning, Applied Machine Learning, Human-Computer Interaction.

Kết quả (Việt) 1:

Tóm tắtBài viết này khảo sát các công việc gần đây trong hoạt động học tập nhằm mục đích làm cho nó thực tế hơn để sử dụng thế giới thực. Nói chung, Hệ thống hoạt động học tập nhằm mục đích làm cho máy học kinh tế hơn, vì họ có thể tham gia vào việc mua lại dữ liệu đào tạo của họ. Một người học hoạt động lặp đi lặp lại có thể chọn truy vấn thông tin trường hợp để được dán nhãn bởi một lời sấm, ví dụ. Công việc hơn hai thập kỷ qua đã chỉ ra rằng phương pháp tiếp cận như vậy có hiệu quả trong việc duy trì độ chính xác trong khi giảm đào tạo thiết lập kích thước trong nhiều máy học ứng dụng. Tuy nhiên, khi chúng tôi bắt đầu triển khai các hoạt động học tập trong hệ thống học tập thực tế đang diễn ra và dữ liệu chú thích dự án, chúng tôi đang gặp vấn đề không mong muốn — một phần do thực tế thực tế vi phạm các giả định cơ bản của công việc nền tảng trước đó. Tôi đã xem xét một số trong những vấn đề này và thảo luận về các tác phẩm gần đây được thực hiện để giải quyết những thách thức. Từ khoá: Hoạt động học tập, áp dụng máy học tập, con người-máy tính tương tác.

Kết quả (Việt) 2:

Tóm tắt
bài khảo sát này làm việc gần đây trong học tập tích cực nhằm làm cho nó thực tế hơn cho việc sử dụng thực tế. Nhìn chung, hệ thống học tập tích cực nhằm mục đích để làm cho máy học kinh tế hơn, vì họ có thể tham gia vào việc mua lại của dữ liệu huấn luyện của mình. Một người học chủ động lặp đi lặp lại có thể chọn các trường hợp truy vấn thông tin để được dán nhãn bằng một lời sấm, ví dụ. Làm việc trong hai thập kỷ qua đã chỉ ra rằng cách tiếp cận như vậy có hiệu quả trong việc duy trì độ chính xác trong khi giảm đào tạo kích thước bộ trong nhiều ứng dụng học máy. Tuy nhiên, khi chúng ta bắt đầu triển khai học tập tích cực trong hệ thống học tập liên tục sản và dự án dữ liệu chú thích, chúng ta đang gặp phải vấn đề bất ngờ, một phần do thực tế thực tế vi phạm các giả định cơ bản của công việc nền tảng trước đó. Tôi xem xét một số vấn đề, ​​và thảo luận về công việc gần đây được thực hiện để giải quyết những thách thức. Từ khóa: Active Learning, Ứng Dụng Máy học, Nhân-máy tính tương tác.