Questa pagina elenca gli esercizi nel corso sugli arresti anomali del machine learning.
La maggior parte degli esercizi di programmazione utilizza il set di dati relativi agli alloggi in California.
Gli esercizi di programmazione vengono eseguiti direttamente nel tuo browser (non è richiesta alcuna configurazione) utilizzando la piattaforma Colaboratory. Colaboratory è supportato sulla maggior parte dei browser principali e viene testato in modo più accurato sulle versioni desktop di Chrome e Firefox. Se preferisci scaricare ed eseguire gli esercizi offline, consulta queste istruzioni per configurare un ambiente locale.
Tutte
A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.
Framing
Scendere in ML
Riduzione della perdita
- Ottimizzazione della percentuale di apprendimento
- Verifica della comprensione: dimensioni del batch
- Playground: tasso di apprendimento e convergenza
Primi passi con TensorFlow
- Programma di allenamento: NumPy Tutorial ultrarapido
- Programma di allenamento: panda Tutorial ultrarapido
- Esercizio di programmazione: regressione lineare con dati sintetici
- Esercizio di programmazione: regressione lineare con un set di dati reale
Set per addestramento e test
Convalida
Incrociatori
- Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
- Verifica di aver compreso le diverse caratteristiche
- Esercizi di programmazione: rappresentazione con feature cross
Regolarizzazione per semplicità
- Playground: Crossover?
- Verifica la tua comprensione: L2 Normalizzazione, L2 Normalizzazione e funzionalità correlate
- Playground: Esame di L2 regolarizzazione
Classificazione
- Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
- Verifica la tua comprensione: ROC e AUC
- Programma di allenamento: classificazione binaria
Regolarizzazione per sparsità
- Verifica la comprensione: L1 regolazione, L1 e L2 regolazione
- Playground: Esame di L1 regolarizzazione
Introduzione alle reti neurali
- Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
- Attività di programmazione: introduzione alle reti neurali
Reti neurali per allenamento
Reti neurali multiclasse
Correttezza
Confronto tra addestramento statico e dinamico
Inferenza statica e dinamica
Dipendenze dati
Programmazione
A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.
Framing
Scendere in ML
Riduzione della perdita
- Ottimizzazione della percentuale di apprendimento
- Verifica della comprensione: dimensioni del batch
- Playground: tasso di apprendimento e convergenza
Primi passi con TensorFlow
- Programma di allenamento: NumPy Tutorial ultrarapido
- Programma di allenamento: panda Tutorial ultrarapido
- Esercizio di programmazione: regressione lineare con dati sintetici
- Esercizio di programmazione: regressione lineare con un set di dati reale
Set per addestramento e test
Convalida
Incrociatori
- Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
- Verifica di aver compreso le diverse caratteristiche
- Esercizi di programmazione: rappresentazione con feature cross
Regolarizzazione per semplicità
- Playground: Crossover?
- Verifica la tua comprensione: L2 Normalizzazione, L2 Normalizzazione e funzionalità correlate
- Playground: Esame di L2 regolarizzazione
Classificazione
- Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
- Verifica la tua comprensione: ROC e AUC
- Programma di allenamento: classificazione binaria
Regolarizzazione per sparsità
- Verifica la comprensione: L1 regolazione, L1 e L2 regolazione
- Playground: Esame di L1 regolarizzazione
Introduzione alle reti neurali
- Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
- Attività di programmazione: introduzione alle reti neurali
Reti neurali per allenamento
Reti neurali multiclasse
Correttezza
Confronto tra addestramento statico e dinamico
Inferenza statica e dinamica
Dipendenze dati
Verifica le tue conoscenze
A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.
Framing
Scendere in ML
Riduzione della perdita
- Ottimizzazione della percentuale di apprendimento
- Verifica della comprensione: dimensioni del batch
- Playground: tasso di apprendimento e convergenza
Primi passi con TensorFlow
- Programma di allenamento: NumPy Tutorial ultrarapido
- Programma di allenamento: panda Tutorial ultrarapido
- Esercizio di programmazione: regressione lineare con dati sintetici
- Esercizio di programmazione: regressione lineare con un set di dati reale
Set per addestramento e test
Convalida
Incrociatori
- Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
- Verifica di aver compreso le diverse caratteristiche
- Esercizi di programmazione: rappresentazione con feature cross
Regolarizzazione per semplicità
- Playground: Crossover?
- Verifica la tua comprensione: L2 Normalizzazione, L2 Normalizzazione e funzionalità correlate
- Playground: Esame di L2 regolarizzazione
Classificazione
- Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
- Verifica la tua comprensione: ROC e AUC
- Programma di allenamento: classificazione binaria
Regolarizzazione per sparsità
- Verifica la comprensione: L1 regolazione, L1 e L2 regolazione
- Playground: Esame di L1 regolarizzazione
Introduzione alle reti neurali
- Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
- Attività di programmazione: introduzione alle reti neurali
Reti neurali per allenamento
Reti neurali multiclasse
Correttezza
Confronto tra addestramento statico e dinamico
Inferenza statica e dinamica
Dipendenze dati
Campo da gioco
A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.
Framing
Scendere in ML
Riduzione della perdita
- Ottimizzazione della percentuale di apprendimento
- Verifica della comprensione: dimensioni del batch
- Playground: tasso di apprendimento e convergenza
Primi passi con TensorFlow
- Programma di allenamento: NumPy Tutorial ultrarapido
- Programma di allenamento: panda Tutorial ultrarapido
- Esercizio di programmazione: regressione lineare con dati sintetici
- Esercizio di programmazione: regressione lineare con un set di dati reale
Set per addestramento e test
Convalida
Incrociatori
- Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
- Verifica di aver compreso le diverse caratteristiche
- Esercizi di programmazione: rappresentazione con feature cross
Regolarizzazione per semplicità
- Playground: Crossover?
- Verifica la tua comprensione: L2 Normalizzazione, L2 Normalizzazione e funzionalità correlate
- Playground: Esame di L2 regolarizzazione
Classificazione
- Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
- Verifica la tua comprensione: ROC e AUC
- Programma di allenamento: classificazione binaria
Regolarizzazione per sparsità
- Verifica la comprensione: L1 regolazione, L1 e L2 regolazione
- Playground: Esame di L1 regolarizzazione
Introduzione alle reti neurali
- Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
- Attività di programmazione: introduzione alle reti neurali