Una guía para la recolección de datos del mundo real para el Aprendizaje Automático

Guía para recolección de datos reales para Aprendizaje Automático

5 Estrategias Prácticas para Optimizar tu Proceso de Recopilación de Datos

Foto de Henrik Dønnestad en Unsplash

Tanto si eres nuevo en ciencia de datos como si eres el Científico de Datos Principal en una gran organización, es probable que hayas utilizado conjuntos de datos perfectamente elaborados para resolver problemas de aprendizaje automático de juguete. Tal vez hayas utilizado agrupamiento K-Means para predecir especies de flores en el conjunto de datos Iris. O tal vez hayas probado un modelo de regresión logística para predecir qué pasajeros sobrevivieron al viaje del Titanic.

Aunque estos conjuntos de datos son excelentes para practicar los conceptos básicos de aprendizaje automático, no reflejan los datos del mundo real con los que te encontrarás en el trabajo. En realidad, tus datos pueden tener problemas de calidad, no ser perfectos para la tarea en cuestión o incluso no existir aún. Esto significa que los Científicos de Datos a menudo necesitan ponerse manos a la obra y recopilar datos, un desafío que no suele abordarse en el currículo actual de ciencia de datos.

Para los nuevos Científicos de Datos, recopilar grandes cantidades de datos antes de abordar el problema puede parecer extremadamente desalentador, ya que esta etapa sienta las bases para todo el proyecto de aprendizaje automático. Sin embargo, con las estrategias adecuadas, este proceso puede volverse mucho más manejable.

A lo largo de mis más de 10 años como Científico de Datos, he encontrado una amplia variedad de estrategias de recopilación de datos, y en este artículo compartiré cinco de mis consejos favoritos para optimizar tu proceso de recopilación de datos y ayudarte a crear un producto exitoso de aprendizaje automático.

1. Transformar la Recopilación de Datos en Valor Inmediato para el Usuario

Un punto de inicio poderoso radica en ofrecer valor tangible desde el principio. Tomemos como ejemplo a un importante jugador en la industria automotriz, Tesla. Su búsqueda de un vehículo completamente autónomo es una meta sustancial que ha llevado años de desarrollo y ha requerido una enorme cantidad de recopilación de datos.

Entonces, ¿qué hicieron mientras acumulaban todos estos datos?

Foto de Milan Csizmadia en Unsplash

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Una técnica de mapeo de posturas podría evaluar de forma remota a pacientes con parálisis cerebral

El método de aprendizaje automático funciona en la mayoría de los dispositivos móviles y podría ampliarse para evalua...

Inteligencia Artificial

40+ Herramientas de IA Geniales que Deberías Comprobar (noviembre de 2023)

DeepSwap DeepSwap es una herramienta basada en inteligencia artificial para cualquiera que quiera crear videos e imág...

Inteligencia Artificial

Conoce AudioLDM 2 Un marco de trabajo de IA único para la generación de audio que combina habla, música y efectos de sonido

En un mundo cada vez más dependiente de los conceptos de Inteligencia Artificial y Aprendizaje Profundo, el ámbito de...

Inteligencia Artificial

Congelación de capas de un modelo de aprendizaje profundo - la forma correcta

A menudo es útil congelar algunos de los parámetros, por ejemplo, cuando estás ajustando tu modelo y quieres congelar...

Inteligencia Artificial

Corea del Sur permite que los robots autónomos utilicen las aceras

El gobierno de Corea del Sur está permitiendo que robots autónomos autorizados conduzcan por las aceras del país.