Klasyfikacja z wykorzystaniem dużych modeli językowych (LLM) wspomaganych przez lasy losowe

Prelegent: 

Michał Romaszewski

Data: 

14/06/2024 - 13:00

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Historia zmian

Data aktualizacji: 13/06/2024 - 14:30; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Data aktualizacji: 13/06/2024 - 14:30; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Data aktualizacji: 10/06/2024 - 10:48; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Data aktualizacji: 10/06/2024 - 10:48; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Data aktualizacji: 05/06/2024 - 11:39; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

Data aktualizacji: 05/06/2024 - 11:39; autor zmian: Łukasz Zimny (lzimny@iitis.pl)

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.