<p>השבוע באקספליינבל אנחנו עוברים למתכונת רימוט ומארחים את ד״ר שמואל חיון, חוקר AI בכיר בהירונדו, שיספר לנו על העקבות שתיוג לא נכון משאיר לנו בזמן אימון המודל. הבנו איך טעות סיווג בהקלטה עם קשר טמפורלי קשורה לקלסיפיקציה של חתולים, ומתי סטטיסטיקות על פיצ׳רים כבר לא יכולות לעזור לנו במציאת טעויות סיווג (רמז: תמונות). העמקנו בהשפעה של דוגמא עם סיווג לא-נכון על loss של דוגמא אחרת, ואיך מודאליות שונה תשתמש אחרת באותה ליבה אלגוריתמית למציאת הרעשים.</p><p><br></p><p>המאמרים שהוזכרו בפרק:</p><p>שערוך יעיל של data influence למציאת שגיאות תיוג</p><p><br></p><p>סקירת מגוון שיטות לחישוב מקורב של data influence</p><p><br></p><p>00:00 היי שמואל, חוקר AI בכיר בהירונדו</p><p>02:40 חשיבות איכות הדאטה וכלב שמסווג כחתון</p><p>07:35 מבדיקה ידנית ועד קרבה סמנטית: איך להתמודד עם רעשי סיווג</p><p>13:33 מודאליות ותיוגים: איפה אנחנו הכי פגיעים</p><p>18:45 שגיאות תיוג נפוצות</p><p>22:44 איך לומדים ביחד ולחוד עבור מודאליות שונה</p><p>32:29 תוצאות בשטח</p><p>35:48 איך ללמוד עוד</p><p><br></p>