Panduan Awal TF: Latihan Pemrograman

Setelah menjalani Kursus Singkat Machine Learning, terapkan prinsip dan teknik yang Anda pelajari dengan melakukan coding model menggunakan tf.estimator, TensorFlow API tingkat tinggi.

Latihan pemrograman di Kursus Singkat Machine Learning menggunakan platform analisis data yang menggabungkan kode, keluaran, dan teks deskriptif menjadi satu dokumen kolaboratif.

Latihan pemrograman dijalankan langsung di browser Anda (tanpa perlu penyiapan) menggunakan platform Colaboratory. Platform Colaboratory didukung di sebagian browser utama, dan paling teruji secara menyeluruh pada Chrome dan Firefox versi desktop. Jika Anda lebih memilih untuk mendownload dan menjalankan latihan secara offline, lihat petunjuk ini untuk menyiapkan lingkungan lokal.

Jalankan tiga latihan berikut sesuai urutan berikut:

  1. Pengenalan singkat tentang pandas: pandas adalah library penting untuk analisis data dan pemodelan, serta digunakan secara luas dalam coding TensorFlow. Tutorial ini memberikan semua informasi tentang pandas yang Anda perlukan untuk kursus ini. Jika Anda sudah pernah menggunakan pandas, Anda dapat melewati latihan ini.
  2. Langkah Pertama dengan TensorFlow: Latihan ini mempelajari regresi linear.
  3. Fitur Sintetis dan Pencilan: Latihan ini mempelajari fitur sintetis dan efek dari pencilan masukan.

    Hyperparameter umum di latihan Kursus Singkat Machine Learning

    Banyak latihan coding berisi hyperparameter berikut:

    • langkah, yang merupakan jumlah total dari iterasi pelatihan. Satu langkah menghitung kerugian dari satu tumpukan dan menggunakan nilai tersebut untuk mengubah bobot model sekali.
    • ukuran tumpukan, yang merupakan jumlah contoh (dipilih secara acak) untuk satu langkah. Misalnya, ukuran tumpukan untuk PGS adalah 1.

    Formula berikut berlaku:

    \[ jumlah\,total\,contoh\,yang\,terlatih = ukuran\,tumpukan * langkah \]

    Variabel yang mudah di latihan Kursus Singkat Machine Learning

    Variabel yang mudah berikut ini muncul dalam beberapa latihan:

    • periode, yang mengontrol perincian pelaporan. Misalnya, jika periods disetel ke 7 dan steps disetel ke 70, latihan akan memberikan keluaran nilai kerugian setiap 10 langkah (atau 7 kali). Tidak seperti hyperparameter, kita tidak mengharapkan Anda mengubah periods. Perlu diperhatikan bahwa perubahan periods tidak mengubah hal yang dipelajari oleh model Anda.

    Formula berikut berlaku:

    \[ jumlah\,contoh\,latihan\,dalam\,tiap\,periode = \frac{ukuran\,tumpukan * langkah} {periode} \]