如今，絕大多數(shù)數(shù)據(jù)科學家和數(shù)據(jù)工程師基于高質(zhì)量的標記數(shù)據(jù)集來訓(xùn)練學習模型。但是，人工構(gòu)建訓(xùn)練集既耗時又昂貴，以至于很多公司的機器學習項目無法完成。有一種更為實用的方法。在本書中，Wee Hyong Tok、Amit Bahree和Senja Filipi向你展示了如何使用弱監(jiān)督學習模型創(chuàng)建產(chǎn)品。 你將學習如何通過使用Snorkel（斯坦福大學人工智能實驗室的一個衍生產(chǎn)品），在弱標記數(shù)據(jù)集上構(gòu)建自然語言處理和計算機視覺項目。由于很多公司研究的機器學習項目從未走出他們的實驗室，所以本書還提供了如何在真實案例中使用你所構(gòu)建的深度學習模型的指南。