Els desenvolupaments de la darrera dècada en eines de big data com són el deep learning ha generalitzat l’ús d’aquests fins al punt que ocupa bona part de l’espai del tractament de dades. No obstant això, aquests mètodes parteixen d’una disponibilitat de gran quantitat de dades fiables i no esbiaixades. Però què passa quan tenim poques dades i amb molts camps?

En aquesta xerrada, parlaré de com en alguns camps com la IA i la robòtica es pot aprendre amb poques dades. Mètodes com l’aprenentatge per reforç, reducció de dimensionalitat i representacions de dades que no descarten informació són claus per a obtenir bons models.