Mục tiêu học tập
Trong học phần này, bạn sẽ tìm hiểu cách:
- Điều tra các vấn đề tiềm ẩn làm cơ sở cho tập dữ liệu thô hoặc tập dữ liệu đã được xử lý, bao gồm về bộ sưu tập và chất lượng.
- Xác định các thiên kiến, suy luận không hợp lệ và lý giải.
- Tìm các vấn đề thường gặp trong phân tích dữ liệu, bao gồm cả mối tương quan, sự liên quan và không liên quan.
- Xem xét một biểu đồ để biết các vấn đề, sự nhầm lẫn thường gặp và cách hiển thị và thiết kế gây hiểu lầm.
Động lực học máy
Mặc dù không hào nhoáng như kiến trúc mô hình và công việc của các mô hình hạ nguồn khác, và khám phá dữ liệu, lập tài liệu và tiền xử lý dữ liệu là những việc quan trọng công việc học máy. Chuyên viên công nghệ học máy có thể yêu thích những gì Nithya Sambasivan et al. đã gọi thác dữ liệu trong bài viết ACM năm 2021 của họ nếu họ không hiểu rõ:
- các điều kiện mà dữ liệu của họ được thu thập
- chất lượng, đặc điểm và giới hạn của dữ liệu
- những gì dữ liệu có thể và không thể hiển thị
Việc đào tạo các mô hình dựa trên dữ liệu không hợp lệ và chỉ phát hiện ra tại điểm đầu ra chất lượng thấp là có vấn đề với dữ liệu. Tương tự, nếu không nắm bắt được những hạn chế của dữ liệu, thiên kiến trong việc thu thập dữ liệu hoặc nhầm lẫn mối tương quan về quan hệ nhân quả, có thể dẫn đến kết quả hứa hẹn quá mức và phân phối dưới mức, dẫn đến mất niềm tin.
Khoá học này sẽ giới thiệu các bẫy dữ liệu phổ biến nhưng tinh vi mà công nghệ học máy và dữ liệu mà các chuyên viên có thể gặp phải trong công việc của họ.