Inhoud
Standaardmodellen werken niet altijd
Generieke AI-categorisatie werkt redelijk voor supermarktaankopen of reiskosten, maar schiet tekort zodra een bedrijf eigen kostenstructuren hanteert. Een consultancykantoor categoriseert een restaurantbezoek anders dan een productiebedrijf, zelfs bij identieke transactiebeschrijvingen.
Finetuning en regelgebaseerde aanvullingen
Tijdens dit webinar gaan we in op hoe je een voorgetraind model aanvult met bedrijfsspecifieke labels. We bekijken technieken zoals few-shot learning en regelgebaseerde naverwerking, en wanneer elk het meest geschikt is. Spreker Lieselot Verbrugghen demonstreert dit met een Jupyter Notebook die deelnemers achteraf kunnen downloaden.
Wat je meeneemt
Na deze sessie ken je het verschil tussen een regelmotor en een ML-model, weet je wanneer automatisering meerwaarde biedt en wanneer menselijke controle noodzakelijk blijft, en heb je een startpunt voor eigen experimenten.
Technische voorkennis in Python is nuttig maar niet vereist.Programma
Programma
- Deel 1 Architectuur van een categorisatiemodel: van tokenisatie tot label
- Deel 2 Bedrijfsspecifieke training: aanpak en valkuilen
- Deel 3 Live codesessie met Lieselot Verbrugghen
- Deel 4 Regelgebaseerde naverwerking als vangnet
- Deel 5 Evaluatiemetrieken: hoe meet je of het model goed genoeg is?
- Deel 6 Open discussie