การทำงานกับชุดข้อมูลสาธารณะสำหรับ Machine Learning

การค้นหาข้อมูลที่เหมาะสมเป็นขั้นตอนแรกและสำคัญที่สุดในโครงการ Data Science หรือ Machine Learning ใดๆ หลักสูตรนี้จะแนะนำคุณเกี่ยวกับชุดข้อมูลสาธารณะมาตรฐานที่มีชื่อเสียงที่สุดที่ใช้ทั่วโลกในการฝึกอบรมและทดสอบอัลกอริทึม คุณจะเปลี่ยนจากผู้เริ่มต้นที่สงสัยว่าจะหาข้อมูลคุณภาพได้ที่ไหน ไปสู่ผู้ปฏิบัติงานที่มั่นใจซึ่งสามารถโหลด ทำความสะอาด และสำรวจชุดข้อมูลพื้นฐานได้ คุณจะได้เรียนรู้โครงสร้างของชุดข้อมูลคลาสสิกในโดเมนตาราง รูปภาพ และข้อความ โดยเข้าใจวิธีการเตรียมข้อมูลสำหรับการวิเคราะห์ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจโครงสร้างและประวัติของชุดข้อมูลสาธารณะพื้นฐาน เช่น Iris, MNIST และ COCO - โหลดและสำรวจข้อมูลโอเพนซอร์สโดยใช้ไลบรารี Python และ dataframes สมัยใหม่ - ใช้เทคนิคการทำความสะอาดและประมวลผลข้อมูลที่จำเป็นเพื่อจัดการกับค่าที่ขาดหายไปและสัญญาณรบกวน - วิเคราะห์ลักษณะของชุดข้อมูลเพื่อเลือกอัลกอริทึม Machine Learning ที่เหมาะสมสำหรับงานของคุณ - ระบุอคติ ข้อจำกัด และข้อควรพิจารณาด้านลิขสิทธิ์ในคลังข้อมูลสาธารณะ - ฝึกฝนการจัดโครงสร้างไปป์ไลน์ข้อมูลของคุณเองสำหรับการวิเคราะห์ที่สะอาดและทำซ้ำได้ หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานของโครงสร้างข้อมูล รูปแบบ และลิขสิทธิ์ จากนั้นคุณจะดำเนินการผ่านคำแนะนำทีละขั้นตอนในการวิเคราะห์ชุดข้อมูลตารางและข้อมูลหลายรูปแบบในโลกแห่งความเป็นจริง หลักสูตรนี้ออกแบบมาสำหรับนักวิเคราะห์ข้อมูลระดับเริ่มต้น วิศวกร Machine Learning ที่ต้องการ และนักเรียนที่อยากรู้อยากเห็นโดยไม่มีประสบการณ์ Data Science มาก่อน เริ่มต้นสำรวจส่วนประกอบพื้นฐานของ Machine Learning สมัยใหม่ และยกระดับทักษะการวิเคราะห์ข้อมูลของคุณวันนี้