Segundo lanzamiento. Febrero 2020. Tal como habíamos planificado decidimos incorporar un segundo dataset para poner así en jaque al modelo que con 11.000 imágenes funcionaba casi perfecto (un 98% de accuracy es casi perfecto para ser la primera versión). Entonces tomamos un dataset público, repleto de imágenes de internet. Pensamos: si logramos meter en el […]
Model Capacity and Learning Curves Retomando la línea de la nota anterior, y continuando con la descripción de técnicas que permitan evaluar y mejorar la performance de los modelos de machine learning en esta nota introduciremos los conceptos de model capacity y learning curves. El primero de éstos, es un factor que influye directamente en
Model Capacity and Learning Curves In our first entry we talked about some important techniques to evaluate and improve performance on machine learning models, and today we want to dive right into two major concepts that directly correlate with this performance: model capacity and learning curves. The first concept directly influences the overfitting and underfitting
December 5, 2019 After many years of listening to people go on and on about it, I finally made up my mind and visited the Techcrunch Disrupt. All of us at Intermedia are working really hard to propel the company to a more international level, and the conference being held in San Francisco was reason
El principal objetivo de los modelos de machine learning es alcanzar un buen rendimiento cuando se analizan nuevas entradas, no vistas previamente. Esto se conoce como generalización. Es decir, que es fundamental que el modelo no sólo sea capaz de funcionar correctamente para aquellos ejemplos con los que fue entrenado. Para analizar la performance de
Evaluate model performance: Generalización, BIAS-VARIANCE, overfitting-underfittingRead More »
Part1 The main objective of machine learning models is to achieve good performance when new –and not previously seen– entries are analyzed. This is known as generalization. That is, it’s essential for the model to function correctly across a whole range of new inputs, not just the examples that it was trained with. To analyze
La importancia de los datos en los modelos de aprendizaje automático. Existe un número mágico que determina la cantidad de datos de entrenamiento necesarios? (cantidad en capacidad de aprendizaje) Esta es quizás una de las preguntas más difíciles de responder cuando se comienza a desarrollar un proyecto de machine learning: cuántos datos o ejemplos se
La importancia de los datos | Aprendizaje AutomáticoRead More »
This is perhaps one of the most difficult questions to answer when the development of a machine learning project is underway: how much data or examples are needed to build a training dataset able to achieve a good performance model?