I 10 migliori set di dati di Machine Learning Idee per progetti per principianti [2022]

Trovare set di dati di machine learning è davvero tenace, ma non deve esserlo! In questo articolo abbiamo condiviso più set di dati che puoi utilizzare per i progetti di machine learning. Abbiamo anche condiviso i dettagli su ciò che ogni set di dati contiene insieme a un collegamento ad essi. Il nostro elenco include set di dati di diversi campi e varie dimensioni, quindi puoi sceglierne uno in base ai tuoi interessi e competenze.

A parte questo, abbiamo anche condiviso idee di progetto per diversi set di dati in modo che tu possa iniziare subito a lavorare su un progetto. Lavorare su progetti ti aiuterà a testare la tua conoscenza degli algoritmi di apprendimento automatico. Iniziamo:

Idee per progetti di set di dati di apprendimento automatico

1. Set di dati e-mail di Enron

Questo set di dati contiene circa 5.00.000 di email di oltre 150 utenti. Tutte queste e-mail sono di un'azienda chiamata Enron e la maggior parte delle e-mail presenti in questo set di dati sono del suo team dirigenziale senior. Se vuoi lavorare su un progetto di elaborazione del linguaggio naturale, dovresti iniziare da qui.

Il set di dati e-mail di Enron è molto popolare per i progetti NLP e imparerai molto da questo. Puoi creare un modello di clustering K-means e utilizzarlo per identificare eventuali attività fraudolente attraverso i testi delle email. Il clustering di K-medie è un algoritmo ML non supervisionato e separa gli elementi in k quantità di cluster in base alle loro somiglianze.

Collegamento al set di dati

2. Set di dati di immagini di Flickr

Flickr è un servizio di hosting di immagini con milioni di utenti in tutto il mondo. Questo set di dati contiene 30.000 immagini con didascalie diverse. È possibile utilizzare questo set di dati per creare un generatore di didascalie per le immagini. Questo set di dati è piuttosto famoso per l'analisi delle immagini e la descrizione delle immagini attraverso il testo.

Puoi creare un modello CNN (Convolutional Neural Network) che analizzi le immagini e generi una didascalia in base alle caratteristiche che identifica in una particolare. Puoi addestrare il modello attraverso le migliaia di didascalie disponibili nel set di dati. La creazione di un generatore di didascalie ti darà molta esperienza nell'apprendimento dei lavori di analisi delle immagini e su come utilizzarlo nei casi del mondo reale.

Collegamento al set di dati

3. Il set di dati Iris (livello principiante)

Se non hai mai lavorato a un progetto di machine learning prima, dovresti iniziare da qui. Il set di dati Iris è una scelta popolare tra gli studenti di ML per la sua semplicità e dimensione. Contiene informazioni sulle tre specie di iris (un fiore) come il suo sepalo e la dimensione del petalo.

Un altro nome per questo set di dati è il set di dati dell'iride di Fisher a causa della sua origine. Ronald Fisher aveva utilizzato questo set di dati nel suo articolo del 1936.

Il set di dati Iris ha quattro colonne con 150 righe. È possibile creare un modello di classificazione con questo set di dati. Un modello di classificazione separa gli elementi in classi diverse in base ai loro attributi e la creazione di uno può aiutarti a capire anche la differenza tra l'apprendimento non supervisionato e quello supervisionato.

Collegamento al set di dati

4. Il set di dati del Parkinson

Il set di dati di Parkinson è accessibile agli studenti che desiderano utilizzare l'apprendimento automatico in campo medico. È tra i migliori set di dati per progetti di apprendimento automatico del settore medico in quanto contiene 195 casi insieme a 23 attributi.

Il morbo di Parkinson è un disturbo del sistema nervoso e colpisce i movimenti di base. Il movimento lento, la perdita di equilibrio e la rigidità sono alcuni dei sintomi più importanti di questa malattia. È possibile utilizzare questo set di dati per creare un modello che separi i pazienti dalle persone sane analizzando i loro sintomi e attributi per determinare se hanno o meno il morbo di Parkinson.

L'uso dell'apprendimento automatico nel settore sanitario sta diventando ogni giorno più popolare. Quindi, se sei interessato a utilizzare la tua esperienza di machine learning in quel settore, dovresti iniziare da qui. Puoi trarre ispirazione da queste applicazioni dell'apprendimento automatico nel settore sanitario .

Collegamento al set di dati

5. Il set di dati dei clienti del centro commerciale

Questo set di dati contiene informazioni sulle persone che visitano un centro commerciale. Contiene più variabili come ID cliente, reddito annuo, età, punteggi di spesa e sesso. Il set di dati ha suddiviso i clienti in diverse categorie in base ai loro comportamenti e tendenze.

Puoi utilizzare questo set di dati per creare un modello di classificazione che segrega i clienti in base al sesso, al punteggio di spesa o al reddito annuo. Questo set di dati è perfetto per un progetto di segmentazione dei clienti, che è un'applicazione popolare di AI e ML nel mondo degli affari.

Le aziende utilizzano la segmentazione dei clienti per elaborare strategie di marketing e migliorare i propri annunci. Lavorare a questo progetto ti aiuterà a capire come utilizzare algoritmi di apprendimento automatico per una segmentazione accurata dei clienti.

Collegamento al set di dati

Leggi : Idee per progetti Python

6. Set di dati Uber Rides

Questo è uno dei migliori set di dati di machine learning per i progetti di visualizzazione. Il set di dati Uber Rides contiene informazioni sulle corse uber che hanno avuto luogo tra aprile 2014 e settembre 2014. In quel momento sono state effettuate circa 4,5 milioni di corse uber, quindi il set di dati è piuttosto enorme. Il set di dati contiene informazioni sulle posizioni relative a tali corse e altri dati rilevanti.

Puoi utilizzare i dati presenti in questo set di dati per creare una splendida visualizzazione dei dati. Le visualizzazioni dei dati aiutano a ottenere preziose informazioni da grandi pool di dati. A parte questo, le visualizzazioni dei dati aiutano a prendere decisioni migliori in base alle informazioni scoperte. Puoi trarre ispirazione da questi progetti di visualizzazione dei dati per iniziare.

Collegamento al set di dati

7. Google Trends e i suoi dati

Google Trends è uno strumento che ti consente di analizzare le ricerche su Google e trovare argomenti di tendenza su cui le persone stanno cercando su Google. È uno strumento gratuito ma potente e può fornirti molti dati sui modelli di ricerca e sulle tendenze delle persone.

Google Trends ti consente di trovare quante ricerche ha ottenuto una determinata parola chiave e i relativi termini per un periodo di tempo specifico. Puoi anche usarlo per ottenere dati specifici per un gruppo demografico.

Se prevedi di utilizzare l'apprendimento automatico per l'analisi dei dati, questo è un enorme set di dati per iniziare. Puoi ottenere tutti i dati che desideri su qualsiasi argomento desideri. Google Trends è eccellente per un principiante che non ha lavorato su molti progetti di machine learning.

Collegamento al set di dati

8. Il set di dati di cinetica

Se sei interessato a utilizzare l'IA per riconoscere le interazioni umane, allora questo è il set di dati giusto per te. Analizzare le azioni e le interazioni umane, è una parte vitale della visione artificiale, il campo dell'intelligenza artificiale che studia immagini e video. Diventare esperti nella visione artificiale ti aiuterà a lavorare sull'identificazione di oggetti, il riconoscimento facciale e altre applicazioni pertinenti degli stessi.

Questo set di dati ha quasi 650.000 video che hanno interazioni uomo-uomo (come abbracciarsi e stringere la mano) così come interazioni uomo-oggetto (come suonare la chitarra). Ha 700 classi d'azione in cui ogni classe ha almeno 600 clip. Ogni clip ha un'annotazione umana insieme a una singola classe di azione. La durata di ogni video in questo set di dati è di circa 10 secondi.

Collegamento al set di dati

Leggi: Idee per progetti di apprendimento automatico

9. Dati GTSRB

GTSRB sta per German Traffic Sign Recognition Benchmark ed è un ottimo progetto per eseguire la classificazione multiclasse. Questo set di dati contiene più di 50.000 immagini insieme a informazioni su di esse. Il set di dati ha anche 40 classi e gli eventi dei segnali stradali reali in questo set di dati sono unici al suo interno.

È tra i migliori set di dati per progetti di apprendimento automatico se si considerano i suoi casi d'uso. Puoi studiare la classificazione delle immagini e creare un framework per classificare diversi segnali stradali.

La classificazione dei segnali stradali può essere una parte cruciale di un veicolo autonomo (auto a guida autonoma), quindi se sei interessato alle applicazioni dell'IA nel settore automobilistico, dovresti lavorare a questo progetto.

Puoi iniziare con una piccola sezione di questo set di dati se non hai molta esperienza nel lavorare su progetti ML.

Collegamento al set di dati

10. Il set di dati delle case di Boston

Il Boston Housing Dataset è uno dei set di dati più popolari per i progetti di machine learning. È adatto per progetti di riconoscimento di modelli ed è un ottimo modo per esercitare le tue conoscenze di ML. Questo set di dati contiene le informazioni raccolte dal servizio di censimento degli Stati Uniti sugli alloggi nell'area di Boston Mass e conta circa 500 casi. Nel set di dati ci sono 14 variabili, tra cui il tasso di criminalità pro capite, il numero medio di stanze in una casa e altre.

Poiché ha pochissimi casi (506 per l'esattezza), è adatto a nuovi professionisti e studenti di machine learning. Puoi utilizzare questo set di dati per creare un modello che prevede i prezzi delle case in quella regione in base ai dati che hai trovato.

Puoi addestrare il modello con i prezzi delle case presenti in questo set di dati e quindi utilizzarlo per prevedere i prezzi futuri in base alle condizioni di un'area specifica. Con questo set di dati, puoi lavorare su molte idee progettuali simili di regressione e immobili.

Collegamento al set di dati

È ora di lavorare su progetti di machine learning

Ora che hai un elenco completo di set di dati per progetti di machine learning, puoi iniziare a lavorarci su uno. Ci auguriamo che tu abbia trovato utile questo elenco.

Se sei interessato a saperne di più sull'apprendimento automatico, dai un'occhiata al Diploma PG di IIIT-B e upGrad in Machine Learning e AI, progettato per i professionisti che lavorano e offre oltre 450 ore di formazione rigorosa, oltre 30 casi di studio e incarichi, IIIT- B Status di Alumni, oltre 5 progetti pratici pratici e assistenza sul lavoro con le migliori aziende.