Praca z publicznymi zestawami danych na potrzeby uczenia maszynowego

Znalezienie odpowiednich danych jest pierwszym i najważniejszym krokiem w każdym projekcie dotyczącym danych lub uczenia maszynowego.Ten kurs przeprowadzi Cię przez najbardziej znane, standardowe publiczne zbiory danych używane na całym świecie do szkolenia i testowania algorytmów. Będziesz przechodzić od początkującego, zastanawiającego się, gdzie znaleźć wysokiej jakości dane, do pewnego praktyka zdolnego do ładowania, czyszczenia i eksplorowania podstawowych zbiorów danych.Poznasz strukturę klasycznych zbiorów dane w tabelach, obrazach i tekstach, rozumiejąc, jak przygotować je do analizy. Czego się nauczysz: - Zrozum strukturę i historię podstawowych publicznych zbiorów danych, takich jak Iris, MNIST i COCO - Załaduj i eksploruj dane open source za pomocą nowoczesnych bibliotek Pythona i ramek danych - Zastosuj niezbędne techniki czyszczenia i przetwarzania wstępnego danych, aby obsłużyć brakujące wartości i szumy - Przeanalizuj charakterystykę zbioru danych, aby wybrać odpowiedni algorytm uczenia maszynowego do zadania - Zidentyfikuj uprzedzenia, ograniczenia i względy licencyjne w publicznych repozytoriach danych - Ćwicz struktury własnych potoków danych w celu uzyskania czystych, powtarzalnych analiz Następnie przejdziesz przez pisemne przewodniki, analizując krok po kroku zbiory danych tabelarycznych i multimodalnych w świecie rzeczywistym. Ten kurs jest przeznaczony dla początkujących analityków danych, aspirujących inżynierów uczenia maszynowego i ciekawskich studentów bez wcześniejszego doświadczenia w dziedzinie danych. Zacznij odkrywać podstawy nowoczesnego uczenia maszynowego i rozwijaj swoje umiejętności analizy danych już dziś.