Arbeiten mit öffentlichen Datensätzen für maschinelles Lernen

Die richtigen Daten zu finden ist der erste und wichtigste Schritt in jedem Data Science- oder Machine Learning-Projekt.Dieser Kurs führt Sie durch die bekanntesten, öffentlichen Standarddatensätze, die weltweit zum Trainieren und Testen von Algorithmen verwendet werden. Sie werden von einem Anfänger, der sich fragt, wo er qualitativ hochwertige Daten finden kann, zu einem selbstbewussten Praktiker übergehen, der in der Lage ist, grundlegende Datensätze zu laden, zu bereinigen und zu erkunden.Sie lernen die Struktur klassischer Datensets in Tabellen-, Bild- und Textdomänen kennen und verstehen, wie Sie sie für die Analyse vorbereiten. Was Sie lernen werden: - Verstehen Sie die Struktur und Geschichte grundlegender öffentlicher Datensätze wie Iris, MNIST und COCO - Laden und untersuchen Sie Open-Source-Daten mit modernen Python-Bibliotheken und Dataframes - Wenden Sie wesentliche Datenreinigungs- und Vorverarbeitungstechniken an, um fehlende Werte und Rauschen zu behandeln - Analysieren Sie die Datensatzeigenschaften, um den richtigen Machine-Learning-Algorithmus für Ihre Aufgabe auszuwählen - Identifizieren Sie Vorurteile, Einschränkungen und Lizenzierungsüberlegungen in öffentlichen Datenspeichern - Üben Sie die Strukturierung Ihrer eigenen Datenpipelines für saubere, reproduzierbare Analysen Der Kurs beginnt mit grundlegenden Konzepten der Datenstrukturierung, Formate und Lizenzierung.Sie werden dann durch schriftliche Durchläufe fortschreiten, die reale tabellarische und multimodale Datensätze Schritt für Schritt analysieren. Dieser Kurs richtet sich an Anfänger, die sich mit Machine Learning beschäftigen, und an Studenten, die noch keine Erfahrung mit Data Science haben. Lernen Sie die Bausteine des modernen maschinellen Lernens kennen und verbessern Sie noch heute Ihre Fähigkeiten in der Datenanalyse.