Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Cele szkoleniowe
W tym module dowiesz się, jak:
Badanie potencjalnych problemów bazujących na nieprzetworzonych lub przetworzonych zbiorach danych, w tym
problemy z zbieraniem danych i jakością.
Rozpoznaj uprzedzenia, nieprawidłowe wnioskowania i racjonalizacje.
Znajdź typowe problemy z analizą danych, w tym z korelacją,
związku i nieistotności.
Przeanalizuj wykres pod kątem typowych problemów, nieporozumień
wprowadzających w błąd w zakresie wyświetlania i projektowania.
ML – motywacja
Chociaż nie są tak wspaniałe jak architektury modeli i inne późniejsze modele,
eksploracja danych, dokumentacja i wstępne przetwarzanie są kluczowe
Systemy uczące się działają. Specjaliści ML mogą się odnieść do tego, co mówi Nithya Sambasivan i in. o nazwie
kaskady danych
w publikacji na temat ACM z 2021 r.
jeśli nie rozumieją zbyt dobrze:
warunki, zgodnie z którymi zbierane są dane;
jakość, cechy i ograniczenia danych
Co można, a czego nie można wyświetlić,
Wytrenowanie modeli na złych danych jest bardzo kosztowne,
dowiadywać się tylko, że w wynikach wyszukiwania niskiej jakości wystąpiły problemy
z danymi. Podobnie niezrozumienie ograniczeń danych
uprzedzeń w gromadzeniu danych lub mylących korelacji przyczynowo-skutkowych,
mogą prowadzić do zbyt obiecujących i niezadowalających wyników, co może prowadzić do
utraty zaufania.
W tym kursie omawiamy typowe, ale subtelne pułapki danych, które wiążą się z systemami uczącymi się i danymi
które mogą być spotykane w pracy.
[null,null,["Ostatnia aktualizacja: 2024-07-26 UTC."],[[["\u003cp\u003eThis module teaches you to identify potential issues in datasets, including biases and invalid inferences, ultimately helping you build better ML models.\u003c/p\u003e\n"],["\u003cp\u003eUnderstanding data limitations and collection conditions is crucial to avoid "data cascades" that lead to poor model performance and wasted resources.\u003c/p\u003e\n"],["\u003cp\u003eThe module explores common data analysis pitfalls, such as mistaking correlation for causation, and emphasizes the importance of proper data exploration and preprocessing in machine learning workflows.\u003c/p\u003e\n"],["\u003cp\u003eBy recognizing common problems in charts and data visualizations, you'll be able to avoid misperceptions and ensure accurate data representation.\u003c/p\u003e\n"]]],[],null,["# Data traps\n\n\u003cbr /\u003e\n\n| **Estimated time:** 1.5 hours\n\nLearning objectives\n-------------------\n\nIn this module, you will learn to:\n\n- Investigate potential issues underlying raw or processed datasets, including collection and quality issues.\n- Identify biases, invalid inferences, and rationalizations.\n- Find common issues in data analysis, including correlation, relatedness, and irrelevance.\n- Examine a chart for common problems, misperceptions, and misleading display and design choices.\n\nML motivation\n-------------\n\nWhile not as glamorous as model architectures and other downstream model work,\ndata exploration, documentation, and preprocessing are critical to\nML work. ML practitioners can fall into what Nithya Sambasivan et al. called\n[data cascades](https://research.google/blog/data-cascades-in-machine-learning/)\nin their [2021 ACM paper](https://dl.acm.org/doi/10.1145/3411764.3445518)\nif they do not deeply understand:\n\n- the conditions under which their data is collected\n- the quality, characteristics, and limitations of the data\n- what the data can and can't show\n\nIt's very expensive to train models on bad data and\nonly find out at the point of low-quality outputs that there were problems\nwith the data. Likewise, a failure to grasp the limitations of data, human\nbiases in collecting data, or mistaking correlation for causation,\ncan result in over-promising and under-delivering results, which can lead to a\nloss of trust.\n\nThis course walks through common but subtle data traps that ML and data\npractitioners may encounter in their work."]]
