iPAS-初級AI應用規劃師-資料整理與分析流程

Alina Grubnyak on Unsplash

訓練AI模型的資料整理與分析流程定義如下：

資料前處理：

取得可使用資料後，開發團隊需進行初步的資料探索，在瞭解資料集可能存在的數據品質問題後，進行資料前處理，包含剔除雜訊資料與極端值、資料正規化、遺漏值處理等，將原始資料轉換為可以作為訓練模型的資料。大部分 AI 訓練的資料前處理作業包含資料標記 (Data Labeling)及資料清理(Data Cleaning)，需耗費一定時間與人力確保資料品質和相關性，低品質、結構混亂或不相關的資料會降低模型的效能。

切分資料集：