این ماژول با یک سوال اصلی شروع می شود. یکی از پاسخ های زیر را انتخاب کنید:
اگر بخواهید یکی از زمینه های زیر را در پروژه یادگیری ماشین خود اولویت بندی کنید، کدامیک بیشترین تأثیر را خواهد داشت؟
استفاده از یک تابع زیان هوشمندانه تر برای آموزش مدل خود
درست است، عملکرد بهتر از دست دادن می‌تواند به یک مدل کمک کند تا سریع‌تر تمرین کند، اما هنوز هم در رتبه دوم از موارد دیگر در این لیست قرار دارد.
بهبود کیفیت مجموعه داده شما
داده ها بر همه چیز برتری دارند. کیفیت و اندازه مجموعه داده بسیار بیشتر از الگوریتم درخشانی است که برای ساخت مدل خود استفاده می کنید.
و در اینجا یک سوال مهم تر وجود دارد:
حدس بزنید: در پروژه یادگیری ماشینی خود، معمولاً چقدر زمان برای آماده سازی و تبدیل داده ها صرف می کنید؟
کمتر از نیمی از زمان پروژه
برای بیشتر برنامه ریزی کنید! به طور معمول، 80 درصد از زمان پروژه یادگیری ماشینی صرف ساخت مجموعه داده ها و تبدیل داده ها می شود.
بیش از نیمی از زمان پروژه
بله، متخصصان ML بیشتر وقت خود را صرف ساخت مجموعه داده ها و انجام مهندسی ویژگی می کنند.
در این ماژول، درباره ویژگی‌های مجموعه داده‌های یادگیری ماشین، و نحوه آماده‌سازی داده‌های خود برای اطمینان از نتایج با کیفیت در هنگام آموزش و ارزیابی مدل، اطلاعات بیشتری کسب خواهید کرد.
تاریخ آخرین بهروزرسانی 2024-11-07 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-11-07 بهوقت ساعت هماهنگ جهانی."],[[["This module emphasizes the critical role of data quality in machine learning projects, highlighting that it significantly impacts model performance more than algorithm choice."],["Machine learning practitioners typically dedicate a substantial portion of their project time (around 80%) to data preparation and transformation, including tasks like dataset construction and feature engineering."],["The module covers key concepts in data preparation, such as identifying data characteristics, handling unreliable data, understanding data labels, and splitting datasets for training and evaluation."],["Learners will gain insights into techniques for improving data quality, mitigating issues like overfitting, and interpreting loss curves to assess model performance."],["This module builds upon foundational machine learning concepts, assuming familiarity with topics like linear regression, numerical and categorical data handling, and basic machine learning principles."]]],[]]
