Big Data ist der Treibstoff für Deep Learning. Aber was kann ich tun, wenn meine vorhandenen Datenmengen zu klein sind, um die Parameter meines Machine-Learning-Modells ausreichend zu trainieren? Dies ist eins der größten Hindernisse auf dem Weg zum erfolgreichen Einsatz von Machine Learning.

In dieser Session werden für Deep-Learning-Anfänger und Machine-Learning-Praktiker die Herausforderungen von kleinen Datensets anschaulich erläutert. 

Anschließend werden Strategien vorgestellt, die auch mit Small Data zum Erfolg führen. Dabei wird gezeigt, wie man mit Hilfe von verschiedenen Data-Augmentation-Verfahren seinen Datensatz vergrößern kann. Auch der Einsatz von vortrainierten neuronalen Netzen und Transferlearning wird vorgestellt, damit Small Data nicht zu einem großen Problem wird.