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.
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.
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.
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.