HarvardX TinyML小笔记2(番外3:数据工程)

课程链接:Course | edX

数据工程其实就是做数据集,这东西没有太多技术含量,但是可以说是决定ML成败的关键一环。毕竟有80%的时间耗费都是在高质量的数据集上。

数据决定模型上限,算法与工程仅决定逼近上限的程度。

整体步骤大概就是确定需求,收集,提炼,维持。流程倒是不难理解,首先明确需要什么样的数据集,然后用多种方式去收集,之后对数据处理验证,最后保管数据。

收集数据集的时候要注意开源协议,分析能不能使用。

数据来源的四种方式:传感器,众包,产品用户,付费用户。

总之好数据集的创建很麻烦。。。

列了几个可以直接用的数据集,Common Voice,COCO,ImageNet等等。后面有机会再看吧。

简单介绍了一下Google的Speech Commands。

Speech Commands

https://arxiv.org/pdf/1804.03209.pdf

  • What are Speech Commands?
  • What was People's motivation behind building Speech Commands?
  • How is Keyword Spotting different from traditional speech recognition models?
  • What are the important metrics in speech recognition for KWS?

之后介绍了一个Web的语音收集平台,Common Voice,都是白嫖很多自愿者。。。

主页:https://commonvoice.mozilla.org/

然后说了下如何复用已有的数据集。

最后还是老生常谈的数码平权,消除偏见。有一说一,不管实际如何,起码美国的学校对这方面还是很重视的。确实未来AI时代,一些细小的偏见都可能对人类社会带来深远影响。

最后还是说明,如果数据集选的不好,就算在程序中训练的准确率再高,程序可能也有问题。

So just because your Colab says you've got a certain accuracy does not mean that it's actually doing its job well from a TinyML application standpoint.

最后的总结,其实看这一篇就够了:Course | edX

相关推荐
让我看看好学吗1 天前
AI产品经理项目实战:BERT语义分析识别重复信息
人工智能·深度学习·aigc·bert·产品经理
北京地铁1号线1 天前
深度学习笔试选择题:题组1
人工智能·深度学习
强化学习与机器人控制仿真1 天前
LeRobot 入门教程(九)使用 Android、iOS 手机控制机械臂
开发语言·人工智能·stm32·深度学习·神经网络·算法·机器人
盼小辉丶1 天前
Transformer实战(19)——微调Transformer语言模型进行词元分类
深度学习·语言模型·分类·transformer
0xCode 小新1 天前
鸿蒙ArkTS Canvas实战:转盘抽奖程序开发教程(基础到进阶)
人工智能·深度学习·机器学习·华为·ai·harmonyos·canvas组件
水龙吟啸1 天前
从零开始搭建深度学习大厦系列-4.Transformer生成式大语言模型
人工智能·深度学习·自然语言处理·大语言模型
CoovallyAIHub1 天前
时隔 8 年,李飞飞领衔,CS231n 2025版来了!
深度学习·算法·计算机视觉
qq_418247881 天前
论文阅读:TEMPORAL GRAPH NETWORKS FOR DEEP LEARNING ON DYNAMIC GRAPHS
论文阅读·人工智能·深度学习·图论
CoovallyAIHub1 天前
硬件升级之外,苹果AI的沉默杀手锏:统一视觉大模型ATOKEN
深度学习·算法·计算机视觉
lxmyzzs1 天前
【图像算法 - 27】基于YOLOv12与OpenCV的无人机智能检测系统
人工智能·深度学习·yolo·目标检测·无人机