Ricorda, le previsioni sane hanno bisogno di dati sani!
Set di dati sano
Trova i modelli corretti
Previsione di salute !
Azioni o decisioni corrette!
Ma cosa rende i dati dati sani?
Puoi fare un elenco?
Hai pensato a qualcuno di questi nella tua lista? (clicca per vedere)
Dati sulla salute
Tanti dati
Preciso
Corrisponde al tuo problema e alla tua soluzione
Diversi esempi di dati
Il giusto tipo di dati
Hai il permesso di usarlo
Previsioni salutari!
Azioni o decisioni migliori
CI SONO 3 MODI PER RACCOGLIERE DATI SANI
Raccogli i tuoi dati di allenamento da
la tua comunità
Raccogli i dati con
sensori o input dell'utente
Utilizza i dati di
set di dati pubblici
Qual è il percorso giusto per te?
COMUNITÀ
se le informazioni di cui hai bisogno sono disponibili presso la tua comunità e se puoi ottenere il permesso di utilizzarle.
SENSORI
se vuoi che la tua applicazione raccolga i dati da sola .
SET DI DATI PUBBLICI
se hai bisogno di moltissimi dati o se stai risolvendo un problema più globale.
DATI COMUNITARI
Piano: Che tipo di dati ti servono dalla tua comunità? Come li raccoglierai?
Sondaggi
Scatta delle foto
Fissare appuntamenti
Registra i suoni
DATI DEL SENSORE
Gli assistenti vocali come Siri o Alexa hanno un microfono. microfono, che è un sensore del suono,per raccogliere dati (ad esempio quello che una persona sta dicendo)
Questo attraversamento pedonale intelligente ha un sensore di luce per raccogliere informazioni sulla luminosità e sull'oscurità e un sensore di movimento. sensore di movimento sensoreper rilevare i movimenti.
I diversi sensori raccolgono diversi tipi di dati!
Macchina fotografica
Sensore di prossimità
Tachimetro
Termometro a infrarossi
Sensore di luce
Microfono
OPZIONI HARDWARE
Avrai bisogno di dispositivi che ti aiutino a acquisire i dati. Prendi in considerazione l'utilizzo di:
Telefono
Il tuo telefono ha molti sensori che possono essere utilizzati per raccogliere informazioni... Pensa a un'app mobile!
Non è facile trovare il set di dati perfetto. Ricordati di chiedere aiuto!
L'attività che segue è un esercizio per trovare e utilizzare un set di dati pubblici e addestrare un modello utilizzando Machine Learning For Kids. Il dataset contiene informazioni sui fiori di iris e il modello predirà il tipo di iris in base alla lunghezza e alla larghezza delle parti del fiore.