Primeiros passos com o TensorFlow: exercícios de programação

À medida que avança no Curso intensivo de machine learning, você colocará conceitos de machine learning em prática codificando os modelos em tf.keras. Você usará o Colab como um ambiente de programação. O Colab é a versão do Google para o Jupyter Notebook. Assim como o Jupyter Notebook, o Colab fornece um ambiente de programação interativo em Python que combina texto, código, gráficos e saída do programa.

NumPy e pandas

O uso do tf.keras requer pelo menos um pouco de compreensão das duas bibliotecas Python de código aberto a seguir:

  • NumPy, que simplifica a representação de matrizes e a execução de operações álgebras lineares.
  • pandas, que fornece uma maneira fácil de representar conjuntos de dados na memória.

Se você não conhece o NumPy ou os pandas, comece fazendo os dois exercícios do Colab a seguir:

  1. Tutorial do NumPy ultrarrápido Colab, que fornece todas as informações de NumPy necessárias para este curso.
  2. Tutorial do pandas ultrarrápido Colab, que fornece todas as informações de pandas necessárias para este curso.

Regressão linear com o tf.keras

Depois de adquirir competência no NumPy e no pandas, faça os dois exercícios do Colab a seguir para explorar a regressão linear e o ajuste de hiperparâmetro em tf.keras:

  1. Exercício de regressão linear com dados sintéticos do Colab, que explora a regressão linear com um conjunto de dados de brinquedo.
  2. Regressão linear com um exercício real do Dataset no Colab, que orienta você pelos tipos de análise que precisa fazer em um conjunto de dados real.

Os exercícios de programação são executados diretamente no navegador (sem necessidade de configuração) usando a plataforma Colaboratory. O Colaboratory é compatível com a maioria dos principais navegadores e é testado principalmente nas versões para computador do Chrome e do Firefox. Se preferir fazer o download e executar os exercícios off-line, consulte estas instruções para configurar um ambiente local.