Übungen

Auf dieser Seite sind die Übungen im Crashkurs für maschinelles Lernen aufgeführt.

Für den Großteil der Programmierübungen wird das Kalifornien-Dataset verwendet.

Programmierübungen werden direkt in Ihrem Browser über die Colaboratory-Plattform ausgeführt (keine Einrichtung erforderlich!). Colaboratory wird in den meisten gängigen Browsern unterstützt und mit den Desktopversionen von Chrome und Firefox gründlich getestet. Wenn Sie die Übungen lieber herunterladen und offline ausführen möchten, finden Sie in dieser Anleitung Informationen zum Einrichten einer lokalen Umgebung.

Alle

Im März 2020 begann dieser Kurs, mit tf.keras codierte Programmierübungen zu verwenden. Wenn Sie lieber die älteren Estimators-Programmierübungen verwenden möchten, finden Sie diese auf GitHub.

Framing

• Wissenstest: Beaufsichtigtes Lernen, Funktionen und Labels

Ab in ML

• Wissenstest: mittlerer quadratischer Fehler

Verlust reduzieren

• Lernrate optimieren
• Wissenstest: Batchgröße
• Playground: Lernrate und Konvergenz

Erste Schritte mit TensorFlow

• Programmierübung: NumPy Ultraquick Tutorial
• Programmierübung: Pandas UltraQuick Tutorial
• Programmierübung: Lineare Regression mit synthetischen Daten
• Programmierübung: Lineare Regression mit einem realen Dataset

Trainings- und Test-Datasets

• Playground: Trainingssätze und Testsätze

Validierung

• Intuition prüfen: Validierung
• Programmierübung: Validierungs- und Test-Datasets

Funktionsverknüpfungen

• Playground: Neu: Funktionsverknüpfungen, komplexere Funktionsverknüpfungen
• Wissenstest: Funktionsverknüpfungen
• Programmierübung: Repräsentation mit Feature Crosses

Regelmäßigkeit für Einfachheit

• Playground: Overcrossing?
• Wissenstest: L₂-Standardisierung, L₂-Standardisierung und zugehörige Funktionen
• Playground: L₂-Standardisierung prüfen

Klassifizierung

• Ihr Wissen testen: Accuracy, Precision, Recall, Precision und Recall
• Wissenstest: ROC und AUC
• Programmierübung: Binärklassifizierung

Gleichmäßigkeit bei räumlicher Trennung

• Wissenstest: L₁-Normalisierung,L₁ und L₂-Normalisierung
• Playground: L₁-Regularisierung prüfen

Einführung in neuronale Netze

• Playground: Ein erstes neuronales Netzwerk, neuronale Netzinitialisierung, neuronales Netz Spiral
• Programmierübung: Einführung in neuronale Netzwerke

neuronale Netze trainieren

• Erläuterung des Backpropagation-Algorithmus

Neurale Netze mit mehreren Klassen

• Programmierübung: Mehrklassige Klassifizierung mit MNIST

Fairness

• Dein Wissen testen: Fairness
• Programmierübung: Einführung in Fairness

Statisches und dynamisches Training im Vergleich

• Wissenstest: Onlineschulungen, Offlineschulungen

Statische und dynamische Inferenz

• Wissen verstehen: Offline-Inferenz, Online-Inferenz

Datenabhängigkeiten

• Wissenstest: Datenabhängigkeiten

Programmieren

Im März 2020 begann dieser Kurs, mit tf.keras codierte Programmierübungen zu verwenden. Wenn Sie lieber die älteren Estimators-Programmierübungen verwenden möchten, finden Sie diese auf GitHub.

Framing

• Wissenstest: Beaufsichtigtes Lernen, Funktionen und Labels

Ab in ML

• Wissenstest: mittlerer quadratischer Fehler

Verlust reduzieren

• Lernrate optimieren
• Wissenstest: Batchgröße
• Playground: Lernrate und Konvergenz

Erste Schritte mit TensorFlow

• Programmierübung: NumPy Ultraquick Tutorial
• Programmierübung: Pandas UltraQuick Tutorial
• Programmierübung: Lineare Regression mit synthetischen Daten
• Programmierübung: Lineare Regression mit einem realen Dataset

Trainings- und Test-Datasets

• Playground: Trainingssätze und Testsätze

Validierung

• Intuition prüfen: Validierung
• Programmierübung: Validierungs- und Test-Datasets

Funktionsverknüpfungen

• Playground: Neu: Funktionsverknüpfungen, komplexere Funktionsverknüpfungen
• Wissenstest: Funktionsverknüpfungen
• Programmierübung: Repräsentation mit Feature Crosses

Regelmäßigkeit für Einfachheit

• Playground: Overcrossing?
• Wissenstest: L₂-Standardisierung, L₂-Standardisierung und zugehörige Funktionen
• Playground: L₂-Standardisierung prüfen

Klassifizierung

• Ihr Wissen testen: Accuracy, Precision, Recall, Precision und Recall
• Wissenstest: ROC und AUC
• Programmierübung: Binärklassifizierung

Gleichmäßigkeit bei räumlicher Trennung

• Wissenstest: L₁-Normalisierung,L₁ und L₂-Normalisierung
• Playground: L₁-Regularisierung prüfen

Einführung in neuronale Netze

• Playground: Ein erstes neuronales Netzwerk, neuronale Netzinitialisierung, neuronales Netz Spiral
• Programmierübung: Einführung in neuronale Netzwerke

neuronale Netze trainieren

• Erläuterung des Backpropagation-Algorithmus

Neurale Netze mit mehreren Klassen

• Programmierübung: Mehrklassige Klassifizierung mit MNIST

Fairness

• Dein Wissen testen: Fairness
• Programmierübung: Einführung in Fairness

Statisches und dynamisches Training im Vergleich

• Wissenstest: Onlineschulungen, Offlineschulungen

Statische und dynamische Inferenz

• Wissen verstehen: Offline-Inferenz, Online-Inferenz

Datenabhängigkeiten

• Wissenstest: Datenabhängigkeiten

Wissenstest

Im März 2020 begann dieser Kurs, mit tf.keras codierte Programmierübungen zu verwenden. Wenn Sie lieber die älteren Estimators-Programmierübungen verwenden möchten, finden Sie diese auf GitHub.

Framing

• Wissenstest: Beaufsichtigtes Lernen, Funktionen und Labels

Ab in ML

• Wissenstest: mittlerer quadratischer Fehler

Verlust reduzieren

• Lernrate optimieren
• Wissenstest: Batchgröße
• Playground: Lernrate und Konvergenz

Erste Schritte mit TensorFlow

• Programmierübung: NumPy Ultraquick Tutorial
• Programmierübung: Pandas UltraQuick Tutorial
• Programmierübung: Lineare Regression mit synthetischen Daten
• Programmierübung: Lineare Regression mit einem realen Dataset

Trainings- und Test-Datasets

• Playground: Trainingssätze und Testsätze

Validierung

• Intuition prüfen: Validierung
• Programmierübung: Validierungs- und Test-Datasets

Funktionsverknüpfungen

• Playground: Neu: Funktionsverknüpfungen, komplexere Funktionsverknüpfungen
• Wissenstest: Funktionsverknüpfungen
• Programmierübung: Repräsentation mit Feature Crosses

Regelmäßigkeit für Einfachheit

• Playground: Overcrossing?
• Wissenstest: L₂-Standardisierung, L₂-Standardisierung und zugehörige Funktionen
• Playground: L₂-Standardisierung prüfen

Klassifizierung

• Ihr Wissen testen: Accuracy, Precision, Recall, Precision und Recall
• Wissenstest: ROC und AUC
• Programmierübung: Binärklassifizierung

Gleichmäßigkeit bei räumlicher Trennung

• Wissenstest: L₁-Normalisierung,L₁ und L₂-Normalisierung
• Playground: L₁-Regularisierung prüfen

Einführung in neuronale Netze

• Playground: Ein erstes neuronales Netzwerk, neuronale Netzinitialisierung, neuronales Netz Spiral
• Programmierübung: Einführung in neuronale Netzwerke

neuronale Netze trainieren

• Erläuterung des Backpropagation-Algorithmus

Neurale Netze mit mehreren Klassen

• Programmierübung: Mehrklassige Klassifizierung mit MNIST

Fairness

• Dein Wissen testen: Fairness
• Programmierübung: Einführung in Fairness

Statisches und dynamisches Training im Vergleich

• Wissenstest: Onlineschulungen, Offlineschulungen

Statische und dynamische Inferenz

• Wissen verstehen: Offline-Inferenz, Online-Inferenz

Datenabhängigkeiten

• Wissenstest: Datenabhängigkeiten

Spielplatz

Im März 2020 begann dieser Kurs, mit tf.keras codierte Programmierübungen zu verwenden. Wenn Sie lieber die älteren Estimators-Programmierübungen verwenden möchten, finden Sie diese auf GitHub.

Framing

• Wissenstest: Beaufsichtigtes Lernen, Funktionen und Labels

Ab in ML

• Wissenstest: mittlerer quadratischer Fehler

Verlust reduzieren

• Lernrate optimieren
• Wissenstest: Batchgröße
• Playground: Lernrate und Konvergenz

Erste Schritte mit TensorFlow

• Programmierübung: NumPy Ultraquick Tutorial
• Programmierübung: Pandas UltraQuick Tutorial
• Programmierübung: Lineare Regression mit synthetischen Daten
• Programmierübung: Lineare Regression mit einem realen Dataset

Trainings- und Test-Datasets

• Playground: Trainingssätze und Testsätze

Validierung

• Intuition prüfen: Validierung
• Programmierübung: Validierungs- und Test-Datasets

Funktionsverknüpfungen

• Playground: Neu: Funktionsverknüpfungen, komplexere Funktionsverknüpfungen
• Wissenstest: Funktionsverknüpfungen
• Programmierübung: Repräsentation mit Feature Crosses

Regelmäßigkeit für Einfachheit

• Playground: Overcrossing?
• Wissenstest: L₂-Standardisierung, L₂-Standardisierung und zugehörige Funktionen
• Playground: L₂-Standardisierung prüfen

Klassifizierung

• Ihr Wissen testen: Accuracy, Precision, Recall, Precision und Recall
• Wissenstest: ROC und AUC
• Programmierübung: Binärklassifizierung

Gleichmäßigkeit bei räumlicher Trennung

• Wissenstest: L₁-Normalisierung,L₁ und L₂-Normalisierung
• Playground: L₁-Regularisierung prüfen

Einführung in neuronale Netze

• Playground: Ein erstes neuronales Netzwerk, neuronale Netzinitialisierung, neuronales Netz Spiral
• Programmierübung: Einführung in neuronale Netzwerke

neuronale Netze trainieren

• Erläuterung des Backpropagation-Algorithmus

Neurale Netze mit mehreren Klassen

• Programmierübung: Mehrklassige Klassifizierung mit MNIST

Fairness

• Dein Wissen testen: Fairness
• Programmierübung: Einführung in Fairness

Statisches und dynamisches Training im Vergleich

• Wissenstest: Onlineschulungen, Offlineschulungen

Statische und dynamische Inferenz

• Wissen verstehen: Offline-Inferenz, Online-Inferenz

Datenabhängigkeiten

• Wissenstest: Datenabhängigkeiten