Работа с открытыми наборами данных для машинного обучения

Поиск нужных данных — первый и самый важный шаг в любом проекте по науке о данных или машинному обучению. Этот курс поможет вам ознакомиться с самыми известными стандартными публичными наборами данных, используемыми во всем мире для обучения и тестирования алгоритмов. Вы перейдете от новичка, который не знает, где найти качественные данные, к уверенному практикующему, способному загружать, очищать и исследовать фундаментальные наборы данных. Вы изучите структуру классических наборов данных в табличных, графических и текстовых областях, понимая, как подготовить их для анализа. Что вы узнаете: - Понять структуру и историю фундаментальных публичных наборов данных, таких как Iris, MNIST и COCO - Загрузите и исследуйте данные с открытым исходным кодом, используя современные библиотеки Python и рамки данных - Применять основные методы очистки и предварительной обработки данных для устранения недостающих значений и шума - Анализ характеристик набора данных для выбора правильного алгоритма машинного обучения для вашей задачи - Выявление предвзятости, ограничений и лицензионных соображений в хранилищах публичных данных - Практикуем структурирование собственных конвейеров данных для чистого, воспроизводимого анализа Курс начинается с основных понятий структурирования данных, форматов и лицензирования. Затем вы пройдете письменные обзоры, анализируя реальные табличные и мультимодальные наборы данных шаг за шагом. Этот курс предназначен для начинающих аналитиков данных, начинающих инженеров машинного обучения и любопытных студентов, не имеющих предыдущего опыта в области науки данных. Начните изучать основы современного машинного обучения и совершенствуйте свои навыки анализа данных уже сегодня.