- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
编辑导语:在所有产品类型中,AI产品是市场上较为吃香的。在AI产品领域,数据的
备工作是开始正式工作之前同样重要的一部分。那么,该如何做好数据准备工作呢?
所有的产品类型中,估计AI产品是最吃数据的了,要训练模型必须喂养大量的数据,
2020年6月9日,一款颅内肿瘤核磁共振影像辅助诊断软件获得了中国药监局审批,拿
到了影像辅助诊断领域的首张III类医疗器械证。
这套人工智能软件对脑肿瘤的诊断准确率超过90%,对其中常见类型的诊断准确率达到
96%。训练这款软件的算法模型喂养了上百万份影像病例,海量数据、强大算力以及高分
辨率,让人工智能归纳出来的一套新经验,使得它在影像诊断领域取得突破的基础。
可以这么说,在AI产品领域,数据、算法、算力三分天下,同样重要,数据的准备工作
是开始产品设计和开发的必要的前期工作。
数据准备工作主要包括两个部分,第一是数据收集,第二是数据清洗。
一、数据收集
数据收集顾名思义,就是收集训练所需的数据,比如说,我要做一个人脸识别的模型,那
么肯定是要收集人脸数据,我要做个对话机器人系统,肯定要收集语料数据,我要做个有
无佩戴安全帽识别,肯定要收集人带安全帽的数据。
我要做个宠物狗的品类识别模型,就要收集各种狗的图像数据,并分类存储。
数据收集简而言之,就是把数据分类存储好的过程,就像是我们做法,先去买菜的过程,
并把菜分类存储好的过程。
目前,数据收集主要有三个来源,分别是数据服务商采购、公开网络收集、内部数据。
数据提供商提供的数据一般质量都比较好,数据比较大。可以直接拿来做模型训练工作。
只不过这类数据一般价格比较高。
而且这类数据的类型一遍是通用型,对于一些小品类,垂直领域的的数据服务商一般没有
。例如下面这些,是一家外部提供商提供的数据。
网络公开的数据比较好理解,就比如训练提问意图,需要大量的提问意图的短句,这时候
可以从知乎爬取。因为知乎是个问答平台。
第三种内部数据,也比较好理解,如果有内部数据肯定是先用内部数据,他的获取成本最
低,还有就是一些小众垂直领域,外部无法获取也只能从内部获取。
例如疫情初期,北京肿瘤医院新冠肺炎智能识别是基于5000多个病例的CT影像样本数
据,学习训练样本的病灶纹理,研发了全新的AI算法模型,可在20秒内快速完成新冠肺
炎影像的分析,分析结果准确率达96%。这些CT影像就属于内部数据。
二、数据清洗
数据收集完成之后还不能直接拿来用,需要做数据清洗,把这些数据变成可用的数据。这
就好比从菜市场买完菜之后做洗菜和切菜的过程。
数据清洗主要是清洗三类数据:
数据缺失解决办法大体分为两种,第一种是直接删除,第二种是做填补。
数据格式不统一比较好解决,直接做归一化处理就好。
存在异常值的情况,只需要找到异常值,并剔除掉就好。针对不同的数据的异常值找到方
法也不尽相同。例如某学校3万人体检,手工录入每个人体重,可以用3σ定律检验可找
出录入错误数据。
三、总结
数据收集和数据清洗工作在整个建模过程中很重要,数据的好坏直接影响最后模型的准确
性。但是数据收集和数据清洗是个苦活,过程繁琐并且技术含量不高,需要AI产品经理
和算法工程师一起完成,这块会花费比较多的时间,一定要有耐心和细心。
#专栏作家#
老张,人人都是产品经理专栏作家。AI产品经理,专注于自然语言处理和图像识别领域。
现智能保险创业公司合伙人,希望与人工智能领域创业者多多交流。
题图来自Unsplash,基于CC0协议
您可能关注的文档
- [AI工具宝典]AI产品经理 VS 数据产品经理,看这5点区别与联系.pdf
- [AI工具宝典]AI产品经理,如何规划AI产品的MVP?.pdf
- [AI工具宝典]AI产品经理必懂的硬知识(一):应用领域篇.pdf
- [AI工具宝典]AI产品经理必修:揭开算法的面纱(隐含马尔可夫).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(EM算法).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(贪心算法).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(余弦定理).pdf
- [AI工具宝典]AI产品经理必知的两类ChatBot详解.pdf
- [AI工具宝典]AI产品经理的必修课:系统化思维.pdf
- [AI工具宝典]AI产品经理的关键性产品思维.pdf
文档评论(0)