Загвар өмсөгчийг зохих ёсоор бэлтгэсэн эсэхийг яаж мэдэх вэ? Нарийвчлал нь гол үзүүлэлт мөн бөгөөд 90% -иас дээш байх ёстой юу?
Машин сургалтын загвар зөв бэлтгэгдсэн эсэхийг тодорхойлох нь загвар боловсруулах үйл явцын чухал хэсэг юм. Нарийвчлал нь загварын гүйцэтгэлийг үнэлэх чухал хэмжигдэхүүн (эсвэл бүр гол хэмжүүр) боловч энэ нь сайн бэлтгэгдсэн загварын цорын ганц үзүүлэлт биш юм. 90% -иас дээш нарийвчлалд хүрэх нь бүх нийтийнх биш юм
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Оршил, Машины сургалт гэж юу вэ
Загварын сургалтын явцад өмнө нь ашиглаж байсан өгөгдлийн эсрэг ML загварыг турших нь машин сургалтын зөв үнэлгээний үе шат мөн үү?
Машины сургалтын үнэлгээний үе шат нь гүйцэтгэл, үр нөлөөг үнэлэхийн тулд загварыг өгөгдөлтэй харьцуулан туршиж үзэх чухал алхам юм. Загварыг үнэлэхдээ сургалтын үе шатанд загварт хараагүй өгөгдлийг ашиглахыг зөвлөж байна. Энэ нь бодитой, найдвартай үнэлгээний үр дүнг баталгаажуулахад тусалдаг.
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Машины сургалтын эхний алхамууд, Машин сургалтын 7 алхам
Дүгнэлт нь урьдчилан таамаглахаас илүүтэй загварын сургалтын нэг хэсэг мөн үү?
Машин сургалтын талбарт, ялангуяа Google Cloud Machine Learning-ийн хүрээнд "Дүгнэлт нь таамаглахаас илүү загварын сургалтын нэг хэсэг юм" гэсэн мэдэгдэл нь бүрэн үнэн зөв биш юм. Дүгнэлт ба таамаглал нь машин сургалтын дамжуулах хоолойн тодорхой үе шатууд бөгөөд тус бүр нь өөр зорилготой бөгөөд өөр өөр цэгүүдэд тохиолддог.
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Оршил, Машины сургалт гэж юу вэ
Өгөгдлийн баримт бичгийг харьцуулах загварыг сургахад ямар ML алгоритм тохиромжтой вэ?
Өгөгдлийн баримт бичгийг харьцуулах загварыг сургахад тохиромжтой нэг алгоритм бол косинусын ижил төстэй байдлын алгоритм юм. Косинусын ижил төстэй байдал нь дотоод бүтээгдэхүүний орон зайн тэгээс ялгаатай хоёр вектор хоорондын ижил төстэй байдлын хэмжүүр бөгөөд тэдгээрийн хоорондох өнцгийн косинусыг хэмждэг. Баримт бичгийн харьцуулалтын хүрээнд үүнийг тодорхойлоход ашигладаг
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Машины сургалтын эхний алхамууд, Машин сургалтын 7 алхам
Tensorflow 1 ба Tensorflow 2 хувилбаруудын хооронд Iris мэдээллийн багцыг ачаалах, сургах гол ялгаа нь юу вэ?
Цахилдаг өгөгдлийн багцыг ачаалах, сургах зорилгоор өгөгдсөн анхны код нь TensorFlow 1-д зориулагдсан бөгөөд TensorFlow 2-той ажиллахгүй байж магадгүй. Энэхүү зөрүү нь TensorFlow-ийн шинэ хувилбарт оруулсан тодорхой өөрчлөлт, шинэчлэлтүүдээс үүдэлтэй бөгөөд үүнийг дараа нь дэлгэрэнгүй авч үзэх болно. TensorFlow-тай шууд холбоотой сэдвүүд
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Машины сургалтын эхний алхамууд, Энгийн бөгөөд энгийн тооцоологчид
Машин сургалтын алгоритмууд нь шинэ, үл үзэгдэх өгөгдлийг урьдчилан таамаглах эсвэл ангилж сурах боломжтой. Шошгогүй өгөгдлийн урьдчилан таамаглах загвар зохион бүтээхэд юу багтдаг вэ?
Машины сургалтын явцад шошгогүй өгөгдлийн урьдчилан таамаглах загвар зохион бүтээх нь хэд хэдэн үндсэн алхам, анхаарах зүйлсийг багтаадаг. Шошгогүй өгөгдөл нь урьдчилан тодорхойлсон зорилтот шошго эсвэл категоригүй өгөгдлийг хэлнэ. Зорилго нь шинэ, үл үзэгдэх өгөгдлийг үнэн зөв таамаглах эсвэл ангилах загваруудыг бий болгоход оршино.
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Оршил, Машины сургалт гэж юу вэ
Google Cloud Machine Learning дээр хэрхэн загвар бүтээх вэ?
Google Cloud Machine Learning Engine-д загвар бүтээхийн тулд та янз бүрийн бүрэлдэхүүн хэсгүүдийг агуулсан бүтэцтэй ажлын урсгалыг дагах хэрэгтэй. Эдгээр бүрэлдэхүүн хэсгүүдэд өгөгдөл бэлтгэх, загвараа тодорхойлох, сургах зэрэг орно. Алхам бүрийг илүү нарийвчлан авч үзье. 1. Өгөгдлийг бэлтгэх: Загвар үүсгэхээсээ өмнө загвараа бэлтгэх нь маш чухал юм
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Machine Learning-д зориулсан Google хэрэгслүүд, Google машин сурах тойм
Үнэлгээ яагаад сургалтанд 80%, үнэлгээ өгөхөд 20% байдаг ч эсрэгээрээ биш юм бэ?
Жингийн 80%-ийг сургалтад, 20%-ийг машин сургалтын хүрээнд үнэлэхэд хуваарилах нь хэд хэдэн хүчин зүйл дээр үндэслэсэн стратегийн шийдвэр юм. Энэхүү хуваарилалт нь сургалтын үйл явцыг оновчтой болгох, загварын гүйцэтгэлийн үнэн зөв үнэлгээг хангах хооронд тэнцвэрийг бий болгох зорилготой юм. Энэ хариултанд бид шалтгааныг судлах болно
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Машины сургалтын эхний алхамууд, Машин сургалтын 7 алхам
AI дахь жин ба хазайлт гэж юу вэ?
Жин ба хэвийсэн байдал нь хиймэл оюун ухааны салбарт, ялангуяа машин сургалтын хүрээнд үндсэн ойлголт юм. Тэд машин сургалтын загваруудыг сургах, ажиллуулахад чухал үүрэг гүйцэтгэдэг. Доорх нь жин ба хэвийх утгыг иж бүрэн тайлбарлаж, тэдгээрийн ач холбогдол, тэдгээрийг машины контекстэд хэрхэн ашиглаж байгааг судлах болно.
- онд хэвлэгдсэн Хиймэл оюун, EITC/AI/GCML Google Cloud Machine Learning, Оршил, Машины сургалт гэж юу вэ
Машин сургалтын загварт ямар тодорхойлолт байдаг вэ?
Машин сургалтын загвар гэдэг нь тодорхой програмчлагдсангүйгээр таамаглал эсвэл шийдвэр гаргахын тулд өгөгдлийн багц дээр сургагдсан математик дүрслэл эсвэл алгоритмыг хэлнэ. Энэ нь хиймэл оюун ухааны салбарын үндсэн ойлголт бөгөөд дүрсийг танихаас эхлээд байгалийн хэлний боловсруулалт хүртэлх төрөл бүрийн хэрэглээнд чухал үүрэг гүйцэтгэдэг. онд