Nie jesteś zalogowany | zaloguj się

Wydział Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego

  • Skala szarości
  • Wysoki kontrast
  • Negatyw
  • Podkreślenie linków
  • Reset

Aktualności — Wydarzenia

Seminarium badawcze Zakładu Logiki: Wnioskowania aproksymacyjne w eksploracji danych

 

Aktywne uczenie się pojęć w grach wideo (Active Learning of Concepts from Video Games)


Prelegent: Andrzej Janusz, Łukasz Grad

2019-04-05 14:15

Aktywne uczenie jest poddziedziną uczenia maszynowego, która skupia się na algorytmach pozwalających na interaktywne odpytywanie ‘wyroczni’ o dodatkowe informacje na temat wybranych obiektów z danych. Typowym zastosowaniem dla tego typu metod jest sytuacja, w której dane zawierają dużą liczbę przykładów bez etykiet, lecz eksperci dziedzinowi są w stanie przeanalizować pojedyncze przykłady i nadać im odpowiednie tagi.  Istotne stają się wtedy zagadnienia związane z inteligentnym wyborem przykładów do pokazania ekspertom oraz metody ustalania konsensusu w sytuacji, gdy ich opinie są rozbieżne. W czasie prezentacji przedstawimy przykładowe zastosowanie metod aktywnego uczenia dla problemu rozpoznawania archetypu talii w kolekcjonerskich grach karcianych. Omówimy napotkane problemy oraz wybrane przez nas rozwiązania. Przedstawimy również wyniki wstępnych eksperymentów, mających na celu weryfikację skuteczności wybranych rozwiązań w praktyce.

 

Active learning is a subfield of machine learning, which focuses on algorithms that are able to interactively query ‘the oracle’ in order to acquire some additional information regarding some small subset of cases in the data. A typical application of such methods is a situation when the data contain a large number of unlabeled cases, but domain experts are able to analyze and tag some of them with correct labels. Some of the key issues in such a scenario are the intelligent selection of cases that should be shown to experts and finding a consensus in situations when the expert’s opinions regarding the labels contradict. During the presentation, we will show an exemplary application of active learning for the problem of learning deck archetypes in collectible card games. We will discuss the most interesting problems that we had and explain their solutions. We will also share the results of our preliminary experiments, whose goal was to assess the practical performance of the selected methods.