Ćwiczenie 7a: Twój problem sformułowany jako problem dotyczący systemów uczących się

Zapisz lub kliknij pole wyboru, które według Ciebie jest najlepszym rozwiązaniem technicznym dla Twojego problemu. Nasz problem najlepiej przedstawić w następujący sposób:
które przewiduje lub generują:

Jeśli Twoje rozwiązanie najlepiej nadaje się do tworzenia systemów prognozujących, zapoznaj się z pytaniami poniżej. Jeśli Twoje rozwiązanie jest oparte na sztucznej inteligencji (AI), zobacz MakerSuite – środowisko IDE oparte na przeglądarce, które pozwala eksperymentować z różnymi zachętami do szybkiego prototypowania za pomocą generatywnego modelu języka.

Ćwiczenie 7b: Zgłaszanie problemu jako prostszego

Łatwiejsze rozumowanie problemów i ich implementacja są łatwiejsze, gdy występują na początku. Wykonaj podany problem i określ go jako klasyfikację binarną lub jednowymiarowy problem regresji (albo oba te przypadki).

Ćwiczenie 8: Zaprojektowanie danych na potrzeby modelu

Zapisz dane, których model prognostyczny ma używać do tworzenia prognoz.
Pusta tabela z 3 wierszami i 4 kolumnami oznaczonymi etykietą: wejście1, dane wejściowe 2, dane wejściowe3 i dane wyjściowe (etykieta)
Porady, jak odnieść sukces
  • 1 wiersz zawiera 1 element danych, dla którego tworzona jest jedna prognoza.
  • Uwzględniaj tylko informacje dostępne w chwili tworzenia prognozy.
  • Każde dane wejściowe mogą być skalarną lub 1D listą liczb całkowitych, liczb zmiennoprzecinkowych lub bajtów (w tym ciągów tekstowych).
  • Jeśli dane wejściowe mają strukturę inną niż skalarna lub lista 1D, warto rozważyć, czy jest to najlepsza reprezentacja Twoich danych. Na przykład:
    • Jeśli komórka reprezentuje co najmniej 2 różnicy semantyczne na liście 1D, możesz ją rozdzielić na osobne dane wejściowe.
    • Jeśli komórka reprezentuje zagnieżdżony bufor protokołu, rozważ spłaszczenie każdego pola bufora protokołów.
    • Wyjątek: dane dźwiękowe, graficzne i wideo, w których komórka zawiera blobel.

Ćwiczenie 9. Skąd pochodzą dane

Zapisz, skąd pochodzą dane. Oceń stopień nakładu pracy potrzebnego do wytworzenia potoku danych, który pozwoli Ci utworzyć każdą kolumnę dla wiersza.
Pusta tabela z 2 wierszami i 4 kolumnami oznaczonymi etykietą: wejście1, dane wejściowe 2, dane wejściowe 3 i dane wyjściowe
Porady, jak odnieść sukces
Kiedy przykładowe dane wyjściowe staną się dostępne na potrzeby trenowania?
  • Jeśli przykładowe dane wyjściowe są trudne do pobrania, możesz wrócić do ćwiczenia 5 (przy użyciu danych wyjściowych) i sprawdzić, czy możesz wykorzystać inne dane wyjściowe w modelu.
Sprawdź, czy wszystkie dane wejściowe (oprócz danych wyjściowych) są dostępne w momencie wyświetlania prognozy (dokładnie w formacie, w którym zapisujesz dane).
  • Jeśli trudno jest uzyskać wszystkie dane wejściowe podczas wyświetlania dokładnie w tym samym formacie, możesz wrócić do Ćwiczenia 8 (Zaprojektuj dane na potrzeby modelu), aby ponownie przeanalizować dane wejściowe, lub Ćwiczenia 5, aby sprawdzić, kiedy można wyświetlić dane.

Ćwiczenie 10: Łatwe uzyskiwanie danych wejściowych

Spośród danych wpisanych w ćwiciu 8 wybierz 1–3 rodzaje danych wejściowych, które są łatwe do uzyskania i uważasz, że przyniosą oczekiwane rezultaty.
Pusta tabela z 2 wierszami i 4 kolumnami oznaczonymi etykietami: wejście 1, dane wejściowe 2, dane wejściowe 3 i dane wyjściowe
Porady, jak odnieść sukces
  • W ćwiczu 6 podano zestaw narzędzi do heurystyki. Które dane wejściowe mogą być przydatne podczas implementowania tych heurystyki?
  • Weź pod uwagę koszty techniczne, aby przygotować potok danych i przygotować dane wejściowe, oraz spodziewane korzyści wynikające z utworzenia każdego sygnału wejściowego w modelu.
  • Skup się na danych wejściowych, które można uzyskać z jednego systemu za pomocą prostego potoku. Najlepiej jest zacząć od minimalnej infrastruktury.

Drukuj lub zapisz

Kliknij przycisk poniżej, aby wydrukować lub zapisać odpowiedzi w formacie PDF.

Drukuj stronę