Travailler avec des ensembles de données publics pour le Machine Learning

Trouver les bonnes données est la première étape et la plus cruciale dans tout projet de science des données ou de machine learning. Ce cours vous guide à travers les ensembles de données publics standard les plus célèbres utilisés mondialement pour entraîner et tester des algorithmes. Vous passerez d'un débutant se demandant où trouver des données de qualité à un praticien confiant capable de charger, nettoyer et explorer des ensembles de données fondamentaux. Vous apprendrez la structure des ensembles de données classiques dans les domaines tabulaires, d'images et de texte, en comprenant comment les préparer pour l'analyse. Ce que vous apprendrez : - Comprendre la structure et l'histoire des ensembles de données publics fondamentaux comme Iris, MNIST et COCO - Charger et explorer des données open-source en utilisant des bibliothèques Python modernes et des dataframes - Appliquer des techniques essentielles de nettoyage et de prétraitement des données pour gérer les valeurs manquantes et le bruit - Analyser les caractéristiques des ensembles de données pour choisir le bon algorithme de machine learning pour votre tâche - Identifier les biais, les limitations et les considérations de licence dans les dépôts de données publics - Pratiquer la structuration de vos propres pipelines de données pour une analyse propre et reproductible Le cours commence par les concepts fondamentaux de structuration des données, de formats et de licences. Vous progresserez ensuite à travers des tutoriels analysant pas à pas des ensembles de données tabulaires et multimodaux du monde réel. Ce cours est conçu pour les analystes de données débutants, les aspirants ingénieurs en machine learning et les étudiants curieux sans expérience préalable en science des données. Commencez à explorer les éléments constitutifs du machine learning moderne et améliorez vos compétences en analyse de données dès aujourd'hui.