Cómo construir un conjunto de datos para el aprendizaje automático

Si se refiere a la tarea específica de etiquetado / etiquetado de datos, puede configurar una canalización humana, que involucre tanto a participantes remunerados como a voluntarios.

Para conjuntos de datos muy pequeños, puede construir el conjunto de datos usted mismo , lo he hecho varias veces para pequeños proyectos universitarios. Si necesita muchos más datos y en muy poco tiempo, puede automatizar la mayor parte del proceso implementando su propio raspador o utilizando una plataforma de subcontratación .

Por ejemplo, podría usar Amazon Mechanical Turk para el etiquetado de conjuntos de datos. Dependiendo de sus necesidades específicas, puede ser tanto económico como rápido. Dicha plataforma lo ayudaría a lidiar con los problemas más comunes, como la privacidad, la seguridad, la capacitación, la desambiguación, la recopilación de datos, etc.

Puede leer más sobre esto aquí: Amazon Mechanical Turk: construir conjuntos de datos de Machine Learning

No lo hagas, si no puedes. Si puede, entonces puede que tenga que

• configura tus propios experimentos, toma autorizaciones éticas si se trata de humanos
• cuidar los problemas de privacidad
• escribe tus propios scripts para raspar datos; si su problema involucra datos de texto de la web
• comprar equipos (p. ej. sensores, dispositivos) para darle los datos deseados
• hacer un procesamiento previo de datos, etiquetado de datos, limpieza de datos, etc.
• póngalo en Mechanical Turk, si desea obtener calificaciones.