详细内容或原文请订阅后点击阅览
公开可用的 AI 训练数据的类型以及您应该（和不应该）使用它们的原因
从公共/开放和免费资源中获取人工智能 (AI) 模块的数据集是我们在咨询会议期间被问到的最常见问题之一。企业家、AI 专家和技术企业家表示，在决定从何处获取 AI 训练数据时，预算是首要考虑因素。大多数企业家都了解 […]
来源:Shaip 博客从公共/开放和免费资源中获取人工智能 (AI) 模块的数据集是我们在咨询会议期间被问到的最常见问题之一。企业家、AI 专家和技术企业家表示，在决定从何处获取 AI 训练数据时，预算是首要考虑因素。
大多数企业家都了解高质量和上下文训练数据对其模块的重要性。他们意识到相关数据可以给结果和成果带来不同；然而，在许多情况下，他们的预算限制了他们从可靠的供应商那里获取付费、外包或第三方训练数据，只能依靠自己的努力来获取数据。
在这篇博文中，我们将探讨为什么你不应该为了省钱而满足于公共数据资源，因为它们会造成后果。
可靠的公开 AI 训练数据源
在进入公共资源之前，第一个选择应该是您的内部数据。所有企业都会生成大量可供学习的高质量数据。这些来源包括他们的 CRM、PoS、在线广告活动等。我们相信您的企业在内部服务器和系统中拥有一个数据存储库。在为您的模型外包数据或利用公共资源之前，我们建议使用您内部生成的现有信息来训练您的 AI 模型。数据将与您的业务相关、具有上下文相关性且是最新的。
但是，如果您的业务是新业务并且没有产生足够的数据，或者您担心数据中可能存在隐性偏见，请尝试以下一个或全部三个公共来源。
与 Google 搜索引擎是宝贵信息的宝库一样，Google 数据集搜索是数据集的资源。如果您以前使用过 Google 学术搜索，请了解它的功能几乎相似，您可以在其中根据关键字搜索您喜欢的数据集。