Cos'è un dataset?

Definizione

Un dataset è un insieme o collezione di dati omogenei.

Perché servono?

Avere dei dati (meglio se annotati) aiuta a risolvere i problemi di IA.

Come possono essere suddivisi?

Nei problemi di intelligenza artificiale, i dati utilizzati possono essere informazioni numeriche, testi, immagini o suoni.

I dati contenuti nel dataset saranno poi suddivisi in classi in base a determinati attributi. Nel caso di immagini di animali, esse potrebbero essere suddivise in immagini della classe “cane” e della classe “gatto”.

Dataset noti

Esistono numerosi dataset per ogni tipologia di problema da trattare. Su di essi possono quindi essere valutati gli algoritmi di IA. Tra i più noti troviamo:

• IRIS dataset → è un dataset utile per principianti che vogliono iniziare a lavorare con problemi di classificazione. Il dataset contiene 150 istanze di fiori Iris catalogati in Iris Setosa, Iris Versicolour e Iris Virginica in base a 4 attributi: lunghezza del sepalo (cm), larghezza del sepalo (in cm), lunghezza del petalo (in cm), larghezza del petalo (in cm). Disponibile qui
• MNIST → è un dataset composto da 70k immagini di cifre scritte a mano, di cui 60k per l’allenamento del modello e 10k per la sua valutazione. Viene utilizzato per affrontare il problema di classificazione di immagini. Disponibile qui
• COCO → è un dataset composto da 330k immagini. É utilizzato per vari task: riconoscimento oggetti (object detection), segmentazione e sottotitolatura(captioning). Disponibile qui
• IMBD review → è un dataset composto da 50k recensioni di film. Viene utilizzato per l’interpretazione del sentimento in una frase. Disponibile qui

Sono riportate 3 figure che aiutano a comprendere le differenze fra le varietà di iris.

Figura 1 - Iris Setosa. Immagine sotto licenza CC BY-SA 4.0. URL

Figura 2 - Iris Virginica. Immagine sotto licenza CC BY-SA 4.0. URL

Figura 3 - Iris Versicolor. Immagine sotto licenza CC BY-SA 3.0. URL

Nella figura 4 vengono mostrate le cifre, scritte a mano, presenti nel dataset MNIST.

Figura 4 - MNIST. Immagine sotto licenza CC BY-SA 4.0. URL

Di dataset ne esistono davvero tantissimi. Vi invito a visitare la pagina dedicata di Wikipedia che espone una lista molto più completa di quella riportata da me in questo articolo.

Homepage

Federico Magliani

Sono appassionato di Intelligenza Artificiale e nel 2020 ho ricevuto il Ph.D. in Visione Artificiale presso l'Università degli Studi di Parma. Se vuoi ricevere maggiori informazioni sull'articolo o sui progetti che sto svolgendo visita il mio sito web. Privacy Policy