本页面列出了机器学习速成课程中的练习。
大多数编程练习都使用加利福尼亚州住房数据集。
可使用 Colaboratory 平台直接在浏览器中运行编程练习（无需设置！）。Colaboratory 支持大多数主流浏览器，并且在 Chrome 和 Firefox 的桌面版上进行了最全面的测试。如果您想下载并离线运行这些练习，请参阅有关设置本地环境的说明。
全部
2020 年 3 月，本课程开始使用基于 tf.keras 编码的编程练习。如果您更喜欢使用旧版 Estimator 编程练习，可以在 GitHub 上找到它们。
帧
深入了解机器学习
降低损失
使用 TensorFlow 的起始步骤
训练集和测试集
验证
特征组合
简化正则化
分类
稀疏性正则化
神经网络简介
训练神经网络
多类别神经网络
公平性
静态训练与动态训练
静态推断与动态推断
数据依赖项
编程
2020 年 3 月，本课程开始使用基于 tf.keras 编码的编程练习。如果您更喜欢使用旧版 Estimator 编程练习，可以在 GitHub 上找到它们。
帧
深入了解机器学习
降低损失
使用 TensorFlow 的起始步骤
训练集和测试集
验证
特征组合
简化正则化
分类
稀疏性正则化
神经网络简介
训练神经网络
多类别神经网络
公平性
静态训练与动态训练
静态推断与动态推断
数据依赖项
检查您的理解情况
2020 年 3 月，本课程开始使用基于 tf.keras 编码的编程练习。如果您更喜欢使用旧版 Estimator 编程练习，可以在 GitHub 上找到它们。
帧
深入了解机器学习
降低损失
使用 TensorFlow 的起始步骤
训练集和测试集
验证
特征组合
简化正则化
分类
稀疏性正则化
神经网络简介
训练神经网络
多类别神经网络
公平性
静态训练与动态训练
静态推断与动态推断
数据依赖项
游乐场
2020 年 3 月，本课程开始使用基于 tf.keras 编码的编程练习。如果您更喜欢使用旧版 Estimator 编程练习，可以在 GitHub 上找到它们。