Bài tập 7a: Bài toán của bạn, được trình bày dưới dạng bài toán máy học
Viết ra hoặc nhấp vào hộp kiểm để xem giải pháp kỹ thuật tốt nhất cho vấn đề của bạn là gì. Vấn đề của chúng tôi được khẳng định như sau:
giúp dự đoán hoặc tạo:
Nếu giải pháp của bạn được đưa ra khung hình chính xác nhất để làm dự đoán máy học, hãy xem các câu hỏi sau. Nếu giải pháp của bạn được đặt khung làm một AI (trí tuệ nhân tạo) sinh học, hãy xem MakerSuite – một IDE dựa trên trình duyệt cho phép bạn thử nghiệm các lời nhắc khác nhau để nhanh chóng tạo mẫu với các mô hình ngôn ngữ tổng hợp.
Bài tập 7b: Giải quyết vấn đề đơn giản hơn
Khi mới bắt đầu, bạn sẽ dễ dàng lập luận và triển khai các công thức đơn giản hơn. Lấy vấn đề đã cho của bạn và nêu vấn đề dưới dạng cách phân loại nhị phân hoặc bài toán hồi quy một chiều (hoặc cả hai).
Bài tập 8: Thiết kế dữ liệu cho mô hình
Ghi dữ liệu bạn muốn mô hình máy học dự đoán sử dụng để đưa ra dự đoán.
Mẹo để có Thành Công
Một hàng tạo thành một phần dữ liệu mà một gợi ý
được đưa ra.
Chỉ bao gồm thông tin sẵn có tại thời điểm
đưa ra dự đoán.
Mỗi đầu vào có thể là một danh sách 1D hoặc 1D gồm các số nguyên, số thực hoặc số byte (bao gồm cả chuỗi).
Nếu một đầu vào có cấu trúc khác với danh sách vô hướng hoặc 1D, bạn nên cân nhắc xem đó có phải là cách trình bày tốt nhất cho dữ liệu của bạn hay không.
Ví dụ:
Nếu một ô thể hiện hai hoặc nhiều điểm khác biệt về mặt ngữ nghĩa trong danh sách 1D, thì bạn nên chia các giá trị này thành các đầu vào riêng biệt.
Nếu một ô đại diện cho vùng đệm giao thức lồng nhau, thì bạn nên làm phẳng
từng trường của vùng đệm giao thức lồng nhau.
Ngoại lệ: dữ liệu âm thanh, hình ảnh và video, trong đó ô là một blob byte.
Bài tập 9: Nguồn gốc của dữ liệu
Ghi lại nguồn của mỗi mục nhập.
Đánh giá xem sẽ mất bao nhiêu công sức để phát triển một đường dẫn dữ liệu để tạo từng cột cho một hàng.
Mẹo để có Thành Công
Khi nào kết quả mẫu sẽ có để dùng cho mục đích đào tạo?
Nếu kết quả đầu ra mẫu là khó thu thập được, thì bạn nên
xem lại Bài tập 5 (Sử dụng kết quả đầu ra) và kiểm tra xem bạn có thể
sử dụng kết quả đầu ra khác cho mô hình của mình hay không.
Hãy đảm bảo tất cả thông tin đầu vào của bạn (ngoại trừ thông tin đầu ra) đều có sẵn tại thời điểm phân phát
(khi có sử dụng thông tin dự đoán) ở đúng định dạng mà bạn đang ghi lại.
Nếu khó lấy được tất cả dữ liệu đầu vào của bạn tại thời điểm phân phát ở cùng một định dạng, bạn nên xem lại Bài tập 8 (Thiết kế dữ liệu cho mô hình) để xem xét lại dữ liệu đầu vào hoặc Bài tập 5 để xem xét lại khi có thể phân phát.
Bài tập 10: Dễ dàng thu thập thông tin đầu vào
Trong số các giá trị đầu vào bạn đã liệt kê trong Bài tập 8, hãy chọn 1-3 giá trị đầu vào dễ đạt được và bạn tin rằng sẽ tạo ra kết quả hợp lý ban đầu.
Mẹo để có Thành Công
Trong bài tập 6, bạn đã liệt kê một tập hợp các phương pháp phỏng đoán mà bạn có thể sử dụng. Thông tin đầu vào nào sẽ hữu ích khi triển khai các phương pháp phỏng đoán này?
Hãy cân nhắc chi phí kỹ thuật để phát triển một quy trình dữ liệu nhằm chuẩn bị dữ liệu đầu vào và lợi ích dự kiến của mỗi phương thức nhập trong mô hình.
Tập trung vào các dữ liệu đầu vào có thể lấy từ một hệ thống duy nhất bằng một quy trình đơn giản. Bạn nên bắt đầu với cơ sở hạ tầng tối thiểu có thể sau khi bắt đầu.
In hoặc lưu
Nhấp vào nút bên dưới để in hoặc lưu câu trả lời của bạn dưới dạng .pdf.
