Während Sie den Crashkurs „Machine Learning“ durcharbeiten, setzen Sie Konzepte zum maschinellen Lernen in tf.keras ein, indem Sie Modelle codieren. Colab wird als Programmierumgebung verwendet. Colab ist die Google-Version von Jupyter Notebook. Ebenso wie Jupyter Notebook bietet Colab eine interaktive Python-Programmierumgebung, die Text, Code, Grafiken und Programmausgabe kombiniert.
NumPy und Pandas
Für die Verwendung von tf.keras müssen die folgenden zwei Open-Source-Python-Bibliotheken zumindest verständlich sein:
- NumPy, das Arrays vereinfacht und lineare Algebravorgänge ausführt.
- Pandas bietet eine einfache Möglichkeit, Datasets im Arbeitsspeicher darzustellen.
Wenn Sie mit NumPy oder Pandas nicht vertraut sind, können Sie das mit den folgenden beiden Colab-Übungen tun:
- NumPy UltraQuick Tutorial Colab-Übung, die alle NumPy-Informationen enthält, die Sie für diesen Kurs benötigen.
- Pannen-Ultra-Schnellanleitung Colab, die alle Pandas-Informationen enthält, die Sie für diesen Kurs benötigen.
Lineare Regression mit tf.keras
Nachdem Sie sich die Kenntnisse über NumPy und Pandas angeeignet haben, können Sie mit den folgenden beiden Colab-Übungen die lineare Regression und die Hyperparameter-Abstimmung in tf.keras ausprobieren:
- Lineare Regression mit synthetischen Daten Colab-Übung, die die lineare Regression mit einem Spielzeug-Dataset untersucht.
- Lineare Regression mit einer Real Dataset-Übung, die Sie durch die Art der Analyse führt, die Sie für ein echtes Dataset ausführen sollten.
Programmierübungen werden direkt in deinem Browser über die Colaboratory-Plattform ausgeführt (keine Notwendigkeit einer Einrichtung). 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, folgen Sie dieser Anleitung, um eine lokale Umgebung einzurichten.