DATA FUELS AI
Gesunde Datensätze führen zu richtigen Aktionen mit KI!
Gesunde Datensätze haben viele verschiedene Beispiele!
ES IST WICHTIG, DASS DU ZEIT DAMIT VERBRINGST, GESUNDE DATEN ZU SAMMELN!
Wenn deine Daten gesund ...
Gesunder
Datensatz
Findet
korrekte
Muster
Gesunde
Vorhersage!
Richtige Handlungen oder Entscheidungen!
Wenn deine Daten nicht gesund ...
Ungesunder
Datensatz
Findet
schlechte
Muster
Schlechte
Vorhersage!
Falsche Handlungen oder Entscheidungen!
Aber wie wir gesunde Datensätze erstellen?
Gesunde Datensätze
Viele Daten
Verschiedene Beispiele für Daten
Die richtige Art von Daten
(Beispiel: keine Bilder verwenden, wenn Töne besser wären)
ERINNERST DU DICH AN UNSER "MAKE ME HAPPY"-MODELL?
Wie
gesund
war dieser Datensatz?
Findet
die richtigen
Muster
Korrekte
Vorhersage
für glücklich
oder traurig
Zeigt korrekt ein glückliches oder
trauriges Gesicht
Ist die Mach mich glücklich Datensatz gesund?
Enthält sie viele Daten? Gab es in jeder Klasse gleich viele?
Welche verschiedenen Beispiele für Daten gibt es? Hätten wir mehr und andere Daten hinzufügen können?
Wird die richtige Art von Daten verwendet? Warum?
Prüfen wir, ob das Datensatzgesund ist !
Mehr als 10 Daten bedeuten, dass wir einen guten Start haben mit vielen Daten!
Wir haben verschiedene Beispielsätze als unsere verschiedene Arten von Daten.
Unser Modell arbeitet mit Sätzen, daher ist ein Textdatensatz (fröhliche und traurige Sätze) die richtige Art von Daten!
Triff die richtige Entscheidung und zeige das richtige glückliche oder traurige Gesicht!
Kannst du den Datensatz für Make Me Happy verbessern?
Gesunde Datensätze
Viele Daten - gibt es noch mehr Sätze, die wir den Trainingsdaten hinzufügen können?
Verschiedene Beispiele für Daten - gibt es Sätze in einer anderen Sprache, die wir hinzufügen sollten?
Die richtige Art von Daten - sollten wir anstelle von Text Audioclips (Sound) verwenden?
Du kannst
zu einem noch besseren Erkenner von Freude und Trauer machen!
Im Folgenden findest du einige Aktivitäten, die dich auf die Arbeit mit Datensätzen vorbereiten! Zuerst wirst du einige bestehende Datensätze daraufhin beurteilen, ob sie in Ordnung sind, und dann übst du, einen Datensatz für ein bestimmtes Problem zu planen.
