详细内容或原文请订阅后点击阅览
从机器学习工程师那里学习 - 第1部分：数据
据说，要使机器学习模型成功，您需要拥有良好的数据。尽管这是真的（而且很明显），但很难定义，构建和维持良好的数据。让我与您分享几年来我学到的独特过程[…]从机器学习工程师那里进行的帖子学习 - 第1部分：数据首先出现在数据科学方面。
来源:走向数据科学据说，要使机器学习模型成功，您需要拥有良好的数据。尽管这是真的（而且很明显），但很难定义，构建和维持良好的数据。让我与您分享我几年来构建不断增长的图像分类系统的独特过程，以及如何将这些技术应用于您自己的应用程序。
持久和勤奋，您可以避免经典的“垃圾，垃圾淘汰”，最大化模型的准确性，并展示真正的业务价值。
在这一系列文章中，我将深入研究多级，单标图像分类应用程序的护理和喂养，以及达到最高效果的最高水平。我不会进入任何编码或特定的用户界面，只是您可以通过可用的工具来合并的主要概念。
这是文章的简要描述。您会注意到该模型是列表中的最后一个，因为我们首先需要专注于策划数据：
背景
背景在过去的六年中，我主要专注于为制造公司构建和维护图像分类应用程序。回到我开始时，大多数软件都不存在或太贵了，所以我从头开始创建了这些软件。在这段时间里，我已经部署了两个标识符应用程序，最大的手柄为1,500个班级，精度达到97-98％。
大约八年前，我开始了用于数据科学和机器学习的在线研究。因此，当创建AI应用程序的激动人心的机会出现时，我准备构建我需要利用最新进步的工具。我双脚跳进去！
数据科学这一切都从数据开始
这一切都从数据开始示例应用 - 动物动物
示例应用 - 动物动物这是您的挑战：