Tattara Bayanai

Kowane kundi na bayanai (dataset) yana farawa ne ta hanya ɗaya: dole ne wani ya je ya samo ɗanyen kayan aikin. Wannan babi yana magana ne game da wannan mataki na farko, abin da sauran sassan wannan jagora ke kira tattara bayanai (data collection) ko tsara bayanai (data curation). Muna nufin wannan a taƙaice: ainihin tattara ɗanyen rubutu, hotuna, sauti, ko bidiyo, kafin wani ya tsabtace shi, ya sanya masa lakabi (annotation), ko ya yanke shawarar abin da yake nufi. Abin da ke faruwa bayan tattarawa (tsabtace bayanai, sanya lakabi, kula da inganci, da fitarwa) an tattauna su a cikin babukan da ke biyo baya.

Yadda kake tattara bayanai ya dogara ne kusan gaba ɗaya akan nau'insa (modality): tsarin da bayanan ke ɗauka, ko rubutu ne, hotuna, sauti, ko bidiyo. Kowane nau'i yana da majiyoyinsa, kayan aikinsa, da kuma hanyoyin da yake fuskantar matsala (failure modes), kuma hanyar da ke aiki da kyau ga ɗaya (kamar kwashe bayanan yanar gizo ko 'scraping' na shafukan labarai don samun rubutu) na iya zama kusan mara amfani ga wani (babu wata gajeriyar hanya ta "kwashe bayanan yanar gizo" da ta yi daidai da wannan don sautin yaren da ake magana da shi a cikin yaren da ba shi da tarihin rubutu).

Sassan da ke ƙasa suna duba matakan ginin daki-daki: wane nau'i (modality) kake tattarawa, daga ina zai iya fitowa, biyu daga cikin mafi yawan hanyoyin tattara bayanai daki-daki (kwashe bayanan yanar gizo da APIs), da kuma nazarin misali a aikace (case study) wanda ke nuna yadda waɗannan shawarwari ke yin tasiri a kan juna lokacin da aiki (project) ya ƙunshi fiye da nau'i ɗaya a lokaci guda. Babin yana rufewa da abin da ke faruwa da zaran an sami ɗanyen bayanai a hannu: tsara albarkatun da aka yi amfani da su don samun su, tsabtace su, bibiyar inda suka fito, da kuma gudanar da su yadda ya kamata.