Latihan 7a: Masalah Anda, Dirumuskan sebagai Masalah ML

Tulis atau klik kotak centang untuk menemukan solusi teknis terbaik untuk masalah Anda. Masalah kita terbingkai dengan baik sebagai:
yang memprediksi atau menghasilkan:

Jika solusi Anda paling baik dibingkai sebagai ML prediktif, lihat pertanyaan berikut. Jika solusi Anda dibingkai sebagai AI generatif, lihat MakerSuite—IDE berbasis browser yang memungkinkan Anda bereksperimen dengan berbagai perintah untuk membuat prototipe dengan cepat menggunakan model bahasa generatif.

Latihan 7b: Menyampaikan Masalah Anda sebagai Masalah yang Lebih Sederhana

Saat pertama kali memulai, formulasi masalah yang lebih sederhana lebih mudah untuk dipertimbangkan dan diimplementasikan. Ambil soal yang Anda berikan dan nyatakan sebagai klasifikasi biner atau masalah regresi unidimensi (atau keduanya).

Latihan 8: Mendesain Data Anda untuk Model

Tuliskan data yang Anda inginkan untuk digunakan oleh model ML prediktif untuk membuat prediksi.
Tabel kosong dengan 3 baris dan 4 kolom berlabel: input1, input 2, input3, dan output (label)
Kiat-kiat untuk Sukses
  • Satu baris membentuk satu bagian data yang menjadi dasar pembuatan prediksi.
  • Hanya sertakan informasi yang tersedia pada saat prediksi dibuat.
  • Setiap input dapat berupa daftar skalar atau 1D dari bilangan bulat, float, atau byte (termasuk string).
  • Jika suatu struktur memiliki struktur yang berbeda dengan daftar skalar atau 1D, Anda dapat mempertimbangkan apakah input tersebut adalah representasi terbaik untuk data Anda. Contoh:
    • Jika sebuah sel merepresentasikan dua atau beberapa hal yang berbeda secara semantik dalam daftar 1D, Anda mungkin ingin memisahkannya menjadi input yang terpisah.
    • Jika sel merepresentasikan buffering protokol bertingkat, Anda dapat meratakan setiap kolom buffering protokol bertingkat.
    • Pengecualian: data audio, gambar, dan video, dengan sel yang merupakan blob byte.

Latihan 9: Dari Mana Data berasal

Tuliskan dari mana masing-masing input berasal. Nilai jumlah pekerjaan yang akan dilakukan untuk mengembangkan pipeline data guna membuat setiap kolom untuk satu baris.
Tabel kosong dengan 2 baris dan 4 kolom berlabel: input1, input 2, input3, dan output
Kiat-kiat untuk Sukses
Kapan contoh output tersedia untuk tujuan pelatihan?
  • Jika contoh output sulit diperoleh, Anda dapat mengunjungi kembali Latihan 5 (Menggunakan Output), dan memeriksa apakah Anda dapat memanfaatkan output yang berbeda untuk model Anda.
Pastikan semua input Anda (kecuali output) tersedia pada waktu penayangan (saat prediksi dibuat), dalam format yang sama persis dengan yang Anda tulis.
  • Jika sulit untuk mendapatkan semua input Anda pada waktu penayangan dalam format yang sama persis, sebaiknya tinjau kembali Latihan 8 (Mendesain data Anda untuk model) untuk mempertimbangkan kembali input, atau Latihan 5 untuk mempertimbangkan kembali kapan penayangan dapat dilakukan.

Latihan 10: Input yang Diperoleh dengan Mudah

Di antara input yang Anda cantumkan di Latihan 8, pilih 1-3 input yang mudah diperoleh, dan yang Anda yakini akan memberikan hasil awal yang wajar.
Tabel kosong dengan 2 baris dan 4 kolom berlabel: input 1, input 2, input 3, dan output
Kiat-kiat untuk Sukses
  • Dalam Latihan 6, Anda mencantumkan sekumpulan heuristik yang dapat Anda gunakan. Input mana yang akan berguna untuk menerapkan heuristik tersebut?
  • Pertimbangkan biaya teknis untuk mengembangkan pipeline data untuk menyiapkan input, dan manfaat yang diharapkan dari memiliki setiap input dalam model.
  • Fokus pada input yang bisa didapatkan dari satu sistem dengan pipeline sederhana. Sebaiknya mulailah dengan infrastruktur minimum saat pertama kali dimulai.

Cetak atau simpan

Klik tombol di bawah untuk mencetak atau menyimpan respons sebagai .pdf.

Cetak Halaman