Öğrenme hedefleri
Bu modülde şunları öğreneceksiniz:
- Aşağıdakiler dahil olmak üzere ham veya işlenmiş veri kümelerinin temelinde yatan olası sorunları araştırın sorunları da beraberinde getirir.
- Yanlılıkları, geçersiz çıkarımları ve rasyonelleştirmeleri tanımlama.
- Korelasyon, korelasyon, korelasyon gibi yaygın veri analizi sorunlarını ve alakasızlık.
- Yaygın sorunlar, yanlış algılar ve ve tasarım seçimleri gibi yöntemleri tercih edebilir.
Makine öğrenimi motivasyonu
Model mimariler ve satışa dönük diğer model çalışmaları kadar göz alıcı olmasa da veri keşfi, belgeleme ve ön işleme, makine öğrenimidir. Makine öğrenimi uygulayıcıları Nithya Sambasivan ve diğerleri adı veri basamakları 2021 ACM makalesinde anlamazlarsa:
- verilerinin toplanma koşulları
- verilerin kalitesi, özellikleri ve sınırlamaları
- verilere göre gösterilen ve gösterilemeyenler
Modelleri kötü veriler üzerinde eğitmek yalnızca düşük kaliteli çıktılar noktasında sorun olduğunu bulmak hesaplamanız gerekir. Aynı şekilde, verilerin sınırlarını anlayamamak, veri toplamada önyargılar ya da korelasyonu yanlış anlama, sonuçları gereğinden fazla veya az teslim edebilir. Bu da güven kaybı.
Bu kursta, makine öğrenimi ve veri toplamanın karşılaşabilecekleri birtakım avantajlar sağlar.