90％论文都是以模型为中心，AI领域，数据和模型到底哪个重要？( 三 ) 选自neptune.ai作者：HarshilPatel机

文章图片
上图为吴恩达解释了小数据集一致性的重要性
到底需要多少数据？
数据质量不可忽视，但数据量也是至关重要的，研究者必须有足够的数据支撑才能解决问题。深度网络具有低偏差、高方差特性，我们可以预见更多的数据可以解决方差问题。但是多少数据才够呢？目前这个问题还很难回答，不过我们可以认为拥有大量的数据是一种优势，但也不是必须的。
如果你采用以数据为中心的方法，请记住以下几点：
确保在整个ML项目周期中数据保持一致；
数据标注保持一致；
要及时反馈结果；
进行错误分析；
消除噪声样本。
那么，我们哪里可以找到高质量的数据集？这里推荐几个网站，首先是Kaggle：在Kaggle中，你会找到进行数据科学工作所需的所有代码和数据， Kaggle拥有超过50,000个公共数据集和400,000个公共notebook ，可以快速完成任务。

文章图片
其次是Datahub.io：Datahub是一个主要专注于商业和金融的数据集平台。许多数据集，例如国家、人口和地理边界列表，目前在DataHub上可用。

文章图片
最后是GravitiOpenDatasets：Graviti是一个新的数据平台，主要为计算机视觉提供高质量的数据集。个人开发人员或组织可以轻松访问、共享和更好地管理开放数据。

文章图片