David Saulpic

Otimizar a seleção de dados pode aumentar muito a eficiência e o desempenho do treinamento em machine learning.

Analisando métodos de amostragem pra melhorar a eficiência e a precisão da clusterização.

Misturando métodos tradicionais de agrupamento com proteções de privacidade usando privacidade diferencial.

Este artigo discute a melhoria das soluções de clustering dinâmico em meio a dados que mudam constantemente.

Um novo algoritmo aumenta a velocidade de agrupamento enquanto garante uma representação precisa dos dados.