練習 7a：你的問題，有機器學習問題

記錄或勾選您認為最適合問題的解決方案。我們的問題是最妥善的框架：
可預測或產生以下項目：

如果您的解決方案最適合用來進行預測式機器學習，請參閱下列問題。如果您的解決方案是構建為一般 AI 的型態，請參閱「MakerSuite」瀏覽器式 IDE，如此便能透過不同的語言模型試用不同的提示，藉此快速進行原型設計。

運動 7b：以簡單的方式投放問題

剛起步時，較容易出現問題的公式則比較容易導入及實作。擷取您指定的問題，然後以二元分類或單維迴歸問題 (或兩者) 的形式說明。

練習 8：設計模型的資料

請寫下希望預測機器學習模型使用的資料。
含有 3 個資料列和 4 個資料欄的空白資料表：input1、input 2、input3 和 output (label)
成功的提示
  • 一個資料列是由一筆資料組成，得到一項預測。
  • 僅填入當下預測時可用的資訊。
  • 每個輸入可以是純量或 1D 整數、浮點數或位元組 (包括字串)。
  • 如果輸入的結構與純量或 1D 清單不同，建議您思考這項資料是否是最適合您的資料呈現方式。例如：
    • 如果儲存格在 1D 清單中代表兩個以上的語意不同，建議將其分割為不同的輸入。
    • 如果儲存格代表巢狀通訊協定緩衝區，則建議您分割巢狀通訊協定緩衝區的每個欄位。
    • 例外狀況：音訊、圖片和影片資料，其中儲存格是位元組的 blob。

練習 9：資料來源

寫下每個輸入來源。 評估要開發資料管道為資料列建構每個資料欄所需的作業量。
含有 2 個資料列和 4 個資料欄的空白資料表：input1、input 2、input3 和 output
成功的提示
輸出範例何時適用於訓練？
  • 如果輸出範例難以取得，建議您再次查看「運動 5」(使用輸出)，然後檢查模型是否使用不同的輸出內容。
確保所有輸入內容 (輸出時除外) 都能提供，但建立時必須使用正確的格式。
  • 如果您很難以相同的格式在輸入時取得所有輸入內容，建議您再次前往「運動 8」(設計模型的資料) 來重新考慮輸入內容，或是查看「運動 5」是否能夠提供服務。

運動 10：輕鬆取得輸入的資料

在運動 8 底下輸入的輸入資料，請挑選 1 到 3 個容易理解的輸入項目，並確保你產生合理的初始結果。
含有 2 個資料列和 4 個資料欄的空白資料表：輸入 1、輸入 2、輸入 3 和輸出內容
成功的提示
  • 在運動 6 中，列出一組可用的經驗法則。哪些輸入內容有助於實作這些經驗法則？
  • 請考慮工程成本，以便開發資料管道來準備輸入資料，以及在模型中採用每項輸入內容的預期效益。
  • 著重於透過單一管道從單一系統取得的輸入內容。剛開始使用基礎架構時，建議盡可能先採用最基本的基礎架構。

列印或儲存

請點選下方按鈕，將回覆列印或儲存為 .pdf。

列印頁面