本頁面列出機器學習密集課程的練習內容。
大多數程式設計程式都會使用加州的住宅資料集。
使用 Colaboratory 平台，即可在瀏覽器中直接執行程式設計練習 (無需設定)。大部分的主要瀏覽器都支援 Colaboratory，而且電腦版的 Chrome 和 Firefox 中最有提供此功能的測試。如果您想離線下載並執行運動，請參閱操作說明設定本機環境。
全部
2020 年 3 月，本課程開始使用使用 tf.keras 編寫的程式設計練習。如果您偏好使用舊版 Estimator 程式設計工作，請前往 GitHub。
視框
進入機器學習領域
減少損失
使用 TensorFlow 的第一步
訓練集和測試集
驗證
功能十字
簡明易懂
分類
稀疏度正規化
類神經網路簡介
訓練類神經網路
多類別類神經網路
秉持公正
靜態訓練與動態訓練
靜態推論與動態推論
資料依附元件
程式設計
2020 年 3 月，本課程開始使用使用 tf.keras 編寫的程式設計練習。如果您偏好使用舊版 Estimator 程式設計工作，請前往 GitHub。
視框
進入機器學習領域
減少損失
使用 TensorFlow 的第一步
訓練集和測試集
驗證
功能十字
簡明易懂
分類
稀疏度正規化
類神經網路簡介
訓練類神經網路
多類別類神經網路
秉持公正
靜態訓練與動態訓練
靜態推論與動態推論
資料依附元件
測驗您的理解程度
2020 年 3 月，本課程開始使用使用 tf.keras 編寫的程式設計練習。如果您偏好使用舊版 Estimator 程式設計工作，請前往 GitHub。
視框
進入機器學習領域
減少損失
使用 TensorFlow 的第一步
訓練集和測試集
驗證
功能十字
簡明易懂
分類
稀疏度正規化
類神經網路簡介
訓練類神經網路
多類別類神經網路
秉持公正
靜態訓練與動態訓練
靜態推論與動態推論
資料依附元件
遊樂場
2020 年 3 月，本課程開始使用使用 tf.keras 編寫的程式設計練習。如果您偏好使用舊版 Estimator 程式設計工作，請前往 GitHub。