Actions

Une ethnographie des jeux de données

From Algolit

Revision as of 22:35, 19 March 2019 by Cristina (talk | contribs)

par Algolit

Nous commençons souvent les réunions mensuelles Algolit en cherchant des ensembles de données ou en essayant de les créer. L'un des moyens les plus simples est d'utiliser des corpus déjà existants, mis à disposition via des kits comme [nltk] ou [scikit-learn]. Nltk contient, entre autres, la Déclaration des droits de l'homme, les discours inauguraux des présidents américains et les critiques de films de l'IMDb. Chaque style d'écriture évoquera des relations différentes entre les mots.

Dans le cadre de ce travail, nous examinons les jeux de données les plus couramment utilisés pour l'entraînement des modèles d'apprentissage automatique. De quels matériaux sont-ils constitués ? Qui les a recueillis ? Quand ? Pour quelle raison ?

Concept, code, réalisation: Cristina Cochior