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
品牌AI前线13 小时前
AI生成内容的版权迷局:GPT-4输出的“创意”版权风险与规避之道
人工智能·深度学习·机器学习
GUPAOAI13 小时前
阅兵背后的科技:战场上的目标检测与无人机巡检
人工智能·科技·深度学习·目标检测·计算机视觉·ai·无人机
Ronin-Lotus15 小时前
深度学习篇---Pytorch常用优化器
人工智能·pytorch·深度学习
张子夜 iiii15 小时前
深度学习-----简单入门卷积神经网络CNN的全流程
人工智能·python·深度学习·计算机视觉
F_D_Z16 小时前
详尽 | Deeplabv3+结构理解
人工智能·深度学习·encoder-decoder·aspp·空洞卷积·deeplabv3·dilated conv
Zeluar17 小时前
BERT实战|推理与微调
人工智能·深度学习·bert
CoovallyAIHub17 小时前
4亿数据训练,零样本能力惊人:CLIP模型全解读
深度学习·算法·计算机视觉
Brian-coder18 小时前
机器学习与深度学习的 Python 基础之 NumPy(2)
python·深度学习·机器学习
Ronin-Lotus18 小时前
深度学习篇---SGD+Momentum优化器
人工智能·深度学习·机器学习
尤齐19 小时前
相机在两个机械臂上安装方式比较
深度学习·数码相机·机器人