Original (English)

Azure Open Datasets をやさしく解説：機械学習・Power BI・Python で使える無料のクリーンな公開データ

データサイエンスや機械学習を学び始めた人がよくつまずくのは、練習に使える面白いデータがないことです。見つけたファイルは形式がばらばらで、列名の意味が分からず、値も欠けています。このエピソードでは、クリーニング済みの公開データセットを無料で使える Azure Open Datasets を解説し、数週間ではなく数分で始める方法を紹介します。

▶ Azure Open Datasets をやさしく解説：機械学習・Power BI・Python で使える無料のクリーンな公開データ（AI吹き替え）

このエピソードで学べること：

1. Azure Open Datasets とは：NOAA、米国国勢調査局、市当局などの公開データを Microsoft がクリーニングし、列指向の Parquet 形式で Azure Storage にホストしたライブラリ
2. 生データの4つの課題（探索、準備、規模、再現性）と、天気や祝日などの外部シグナルが機械学習モデルを改善する理由
3. カタログの中身：NOAA の気象データ、38か国の祝日、米国の国勢調査と労働統計、ニューヨークのタクシー乗車データ、サンフランシスコの公共安全データ、COVID-19 Data Lake、Diabetes・MIND・オレンジジュース販売などのベンチマーク
4. アクセス方法：Azure アカウント不要で Pandas DataFrame を返す Python パッケージ、Azure Machine Learning、Power BI の Azure Blob Storage コネクタ、OPENROWSET を使う Azure Synapse のサーバーレス SQL、Azure Databricks の Spark
5. 実際のコスト：データとその保存は無料。支払うのはコンピューティング、データの送信（1GB あたり約8〜9セント）、自分のストレージ。最重要のコツは同じリージョンを使うこと

このエピソードは、Microsoft MVP Mirko Peters による M365 Show のアニメーション動画をAIで吹き替えた日本語版です。