Machine Learning e dati rumorosi: WSCL 2024
Negli ultimi anni, il Machine Learning è stato sempre più applicato in vari contesti, grazie alla sua capacità di analizzare grandi volumi di dati, migliorare l'accuratezza decisionale e ridurre il carico di lavoro umano. Tuttavia, questi sistemi si basano sul paradigma dell’apprendimento supervisionato, che presuppone la disponibilità di grandi quantità di dati etichettati in modo affidabile da esperti. La realtà del mondo reale, però, è ben diversa da queste condizioni ideali; i dati possono essere incompleti o rumorosi, la supervisione può essere costosa o inaffidabile, e i modelli di Machine Learning possono fallire nel trasmettere efficacemente le loro incertezze agli utenti, riducendo la fiducia.