Processus de validation
Un processus de validation est une séquence de tâches exécutées pour vérifier l’exactitude d’un ensemble de données annotées. Le dictionnaire de Larousse définit le « processus »
Explorez notre contenu sur l’annotation des données ! Ici, vous pouvez en apprendre davantage sur le ML, en savoir plus sur People for AI, obtenir des conseils sur les projets d’annotation de données et bien plus !
Découvrez aussi comment nous soutenons les projets d’IA à but sociaux et environnementaux.
Consultez aussi notre lexique qui cherche à démystifier le jargon utilisé par les professionnels de l’annotation de données, (outils et plateformes inclus!) et armez vous de connaissance pour avancer avec confiance dans cet univers.
Un processus de validation est une séquence de tâches exécutées pour vérifier l’exactitude d’un ensemble de données annotées. Le dictionnaire de Larousse définit le « processus »
Le honeypot ou pot de miel est un processus visant à garantir une meilleure qualité des lots annotés. Dans le contexte des processus de validation,
L’annotation par consensus est un processus visant à garantir une meilleure qualité des lots annotés. Dans le contexte des processus de validation, le consensus consiste
Le review (de l’anglais « doing the review »), ou révision, est un processus qui garantit une meilleure qualité des batchs annotés. Il y a quatre types
Les projets de production sont constitués de données à labelliser qui serviront à l’entraînement des modèles de Machine Learning. Ils sont souvent effectués à la
Un « batch » en annotation de données (« lot de données ») fait référence à un set de données qui sont traitées ensemble pour l’annotation. Les “batchs” sont
Un projet de training, ou projet POC, est le terme utilisé pour un projet réalisé avant un ou plusieurs projets de production. Il est souvent
Un Projet POC (Proof of Concept ou Preuve de Concept) est un projet à petite échelle mené pour évaluer la viabilité et l’efficacité d’une approche ou
Découvrez notre lexique dédié à l’annotation de données ! Face à une multitude de termes et à l’absence de normalisation, nous avons pris l’initiative de