Los desarrollos de la última década en herramientas de big data como son el deep learning ha generalizado su uso hasta el punto que ocupa buena parte del espacio del tratamiento de datos. Sin embargo, estos métodos parten de una disponibilidad de gran cantidad de datos fiables y no sesgados. ¿Pero qué ocurre cuando tenemos pocos datos y con muchos campos?
En esta charla, hablaré de cómo en algunos campos como la IA y la robótica se puede aprender con pocos datos. Métodos como el aprendizaje por refuerzo, reducción de dimensionalidad y representaciones de datos que no descartan información son claves para obtener buenos modelos.
