Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com19. April 2022 · Q010300

14 Datasets for Your Next Data Science Project

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Bericht sammelt 14 Datensätze für Projekte von Datenanalyse und Visualisierung bis zu Klassifikation und Empfehlungssystemen und verlinkt dazu Tutorials. Der Autor nennt mögliche Anwendungen und einige Einschränkungen, darunter fehlende Netflix-Werte und ein unvollständiges Tutorial zu Stack-Overflow; eigene Versuchsergebnisse oder ein systematischer Datensatzvergleich werden nicht berichtet.

Mittel

Frank Andrade stellt im vollständigen Bericht 14 Datensätze für Data-Science-Projekte vor und ordnet sie nach Aufgaben: Analyse, Visualisierung, Automatisierung, Regression, Text- und Bildklassifikation sowie Empfehlungssysteme. Zu jedem Vorschlag verlinkt er ein Tutorial, das laut Beitrag nach Schwierigkeit eingeordnet ist.

Die Beispiele reichen von Prüfungsnoten, Pokémon-Statistiken und Netflix-Katalogdaten (Stand laut Artikel: Mitte 2021) über FIFA-Spieler- und Bevölkerungsdaten bis zu Skripten aus „The Simpsons“ und „Avatar“. Weitere Projekte betreffen die Automatisierung von Excel-Berichten mit Supermarktverkäufen, lineare Regression mit dem Boston-Hauspreise-Datensatz, die Klassifikation von IMDB-Rezensionen und Stack-Overflow-Fragen sowie Bildmodelle für Schere-Stein-Papier und Gesichtsmasken. MovieLens wird für Filmempfehlungen vorgeschlagen.

Der Autor nennt konkrete Datensatzgrößen und mögliche Analysen, etwa Rating-Verläufe, Sentimentauswertung oder Tag-Vorhersage. Er weist darauf hin, dass Netflix-Daten fehlende Werte enthalten und bereinigt werden müssen; das Tutorial zu Stack-Overflow sei unvollständig. Der Beitrag bietet Anregungen und Links, aber keine eigenen Modellresultate oder systematische Bewertung der Datensätze.

Ausführlich lesen

Der vollständige Bericht von Frank Andrade stellt 14 Datensätze als Ausgangspunkte für Data-Science-Projekte vor. Der Autor ordnet sie nach möglichen Aufgaben: Datenanalyse, Visualisierung, Automatisierung, Regression, Text- und Bildklassifikation sowie Empfehlungssysteme. Zu jedem Vorschlag nennt er einen Datensatz und ein Tutorial; die Tutorials seien nach Schwierigkeit angeordnet, von Einsteiger- bis zu fortgeschrittenen Beispielen.

Für erste Analysen mit Pandas und NumPy nennt der Bericht Prüfungsnoten von Schülerinnen und Schülern samt Merkmalen wie Geschlecht und Mittagessen, Pokémon-Statistiken zu 721 Figuren sowie Netflix-Filme und -Serien, deren Katalogstand laut Artikel Mitte 2021 liegt. Beim Netflix-Datensatz weist der Autor ausdrücklich auf fehlende Werte und erforderliche Bereinigung hin. Für Visualisierungen empfiehlt er FIFA-Spielerdaten aus den Jahren 2016 bis 2022, Bevölkerungszahlen im Fünfjahresabstand von 1955 bis 2020 sowie Episoden und Skripte aus „The Simpsons“ und „Avatar: The Last Airbender“. Als denkbare Auswertungen nennt er etwa Rating-Verläufe, einfache Diagramme, Wortwolken und Sentimentanalysen.

Ein Supermarkt-Datensatz mit drei Monaten historischer Verkäufe soll laut Autor dazu dienen, Excel-Berichte mit Python zu automatisieren. Für lineare Regression führt der Beitrag den Boston-Hauspreise-Datensatz an und zeigt, wie er über scikit-learn geladen werden kann. Im Bereich Textklassifikation umfasst die Auswahl 50.000 IMDB-Rezensionen mit positiven oder negativen Bewertungen sowie 60.000 Stack-Overflow-Fragen aus den Jahren 2016 bis 2020, die in drei Qualitätsklassen eingeteilt sind. Für die Vorhersage mehrerer Tags bei Stack-Overflow-Fragen sei ein Mehrfach-Label-Ansatz nötig; das verlinkte Tutorial sei allerdings unvollständig und enthalte Hinweise zur Lösung.

Zur Bildklassifikation nennt der Autor 2.892 Bilder von Handstellungen beim Schere-Stein-Papier und 1.376 Bilder zur Erkennung von Gesichtsmasken. MovieLens 20M dient als Beispiel für Empfehlungssysteme: Der Datensatz enthalte 20 Millionen Bewertungen und 465.000 Tag-Zuweisungen zu 27.000 Filmen durch 138.000 Nutzer.

Der Bericht ist ein Ideen- und Ressourcenüberblick, keine vergleichende Prüfung der Datensätze oder Tutorials. Er beschreibt mögliche Übungen und die jeweils angegebenen Datensatzmerkmale, berichtet aber keine eigenen Experimente, Modellergebnisse oder Bewertungen der Datenqualität. Neben den genannten Hinweisen zu fehlenden Netflix-Werten und dem unvollständigen Stack-Overflow-Tutorial gibt er keine systematische Einschätzung weiterer Einschränkungen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Es wurden keine Fragen zur Einordnung angegeben (Lunas Einordnung war jeweils leer), daher enthält die Einordnung keine Bewertungen. Die Zusammenfassungen decken den Bericht inhaltlich korrekt ab.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Boston-Datensatz wird direkt über sklearn geladen und hat keinen eigenen Download-Link

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vertrauen in Modelle

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →