Bekijk alle inhoud met de tag Data Augmentation
Few-Shot Learning is een machine learning-benadering waarmee modellen nauwkeurige voorspellingen kunnen doen met slechts een klein aantal gelabelde voorbeelden. In tegenstelling tot traditionele supervisiemethoden richt het zich op generaliseren vanuit beperkte data, door gebruik te maken van technieken als meta-learning, transfer learning en data-augmentatie.
Gebrek aan data verwijst naar onvoldoende gegevens voor het trainen van machine learning-modellen of voor uitgebreide analyses, wat de ontwikkeling van nauwkeurige AI-systemen belemmert. Ontdek oorzaken, gevolgen en technieken om data-schaarste in AI en automatisering te overwinnen.
Een Generative Adversarial Network (GAN) is een machine learning-framework met twee neurale netwerken—een generator en een discriminator—die met elkaar concurreren om data te genereren die niet te onderscheiden is van echte data. Geïntroduceerd door Ian Goodfellow in 2014, worden GAN's veel gebruikt voor beeldgeneratie, data-augmentatie, anomaliedetectie en meer.
