Cette page liste les exercices du cours d'initiation au Machine Learning.
La majorité des exercices de programmation utilisent l'ensemble de données sur l'immobilier en Californie.
All
En mars 2020, ce cours a commencé à utiliser des exercices de programmation codés avec tf.keras. Si vous préférez utiliser les anciens exercices de programmation d'Estimators, vous pouvez les trouver sur GitHub.
Trames
Plongée dans le ML
Réduction de la perte
- Optimiser le taux d'apprentissage
- Testez vos connaissances: taille de lot
- Playground: taux d'apprentissage et convergence
Premiers pas avec TensorFlow
- Exercice de programmation: tutoriel NumPy Ultrarapide
- Exercice de programmation: Pandas UltraQuick Tutorial
- Exercice de programmation: régression linéaire avec des données synthétiques
- Exercice de programmation: régression linéaire avec un ensemble de données réel
Ensembles d'entraînement et de test
Validation
Croisements de caractéristiques
- Playground: présentation des croisements de caractéristiques, des croisements de caractéristiques plus complexes
- Testez vos connaissances: croisements de caractéristiques
- Exercice de programmation: représentation avec des croisements de caractéristiques
Régularisation à des fins de simplicité
- Playground: croisements excessifs ?
- Testez vos connaissances: régularisation L2, régularisation L2 et caractéristiques corrélées
- Playground: Examen de la régularisation L2
Classification
- Testez vos connaissances: précision, précision, rappel, précision et rappel
- Testez vos connaissances: ROC et AUC
- Exercice de programmation: classification binaire
Régularisation à des fins de parcimonie
- Testez vos connaissances: régularisation L1, L1 et régularisation L2
- Playground: Examen de la régularisation L1
Introduction aux réseaux de neurones
- Playground: un premier réseau de neurones, initialisation du réseau de neurones, spirale de réseau de neurones
- Exercice de programmation: introduction aux réseaux de neurones
Entraîner les réseaux de neurones
Réseaux de neurones à classes multiples
Équité
Entraînement statique et dynamique
Inférence statique ou dynamique
Dépendances des données
Programmation
En mars 2020, ce cours a commencé à utiliser des exercices de programmation codés avec tf.keras. Si vous préférez utiliser les anciens exercices de programmation d'Estimators, vous pouvez les trouver sur GitHub.
Trames
Plongée dans le ML
Réduction de la perte
- Optimiser le taux d'apprentissage
- Testez vos connaissances: taille de lot
- Playground: taux d'apprentissage et convergence
Premiers pas avec TensorFlow
- Exercice de programmation: tutoriel NumPy Ultrarapide
- Exercice de programmation: Pandas UltraQuick Tutorial
- Exercice de programmation: régression linéaire avec des données synthétiques
- Exercice de programmation: régression linéaire avec un ensemble de données réel
Ensembles d'entraînement et de test
Validation
Croisements de caractéristiques
- Playground: présentation des croisements de caractéristiques, des croisements de caractéristiques plus complexes
- Testez vos connaissances: croisements de caractéristiques
- Exercice de programmation: représentation avec des croisements de caractéristiques
Régularisation à des fins de simplicité
- Playground: croisements excessifs ?
- Testez vos connaissances: régularisation L2, régularisation L2 et caractéristiques corrélées
- Playground: Examen de la régularisation L2
Classification
- Testez vos connaissances: précision, précision, rappel, précision et rappel
- Testez vos connaissances: ROC et AUC
- Exercice de programmation: classification binaire
Régularisation à des fins de parcimonie
- Testez vos connaissances: régularisation L1, L1 et régularisation L2
- Playground: Examen de la régularisation L1
Introduction aux réseaux de neurones
- Playground: un premier réseau de neurones, initialisation du réseau de neurones, spirale de réseau de neurones
- Exercice de programmation: introduction aux réseaux de neurones
Entraîner les réseaux de neurones
Réseaux de neurones à classes multiples
Équité
Entraînement statique et dynamique
Inférence statique ou dynamique
Dépendances des données
Testez vos connaissances
En mars 2020, ce cours a commencé à utiliser des exercices de programmation codés avec tf.keras. Si vous préférez utiliser les anciens exercices de programmation d'Estimators, vous pouvez les trouver sur GitHub.
Trames
Plongée dans le ML
Réduction de la perte
- Optimiser le taux d'apprentissage
- Testez vos connaissances: taille de lot
- Playground: taux d'apprentissage et convergence
Premiers pas avec TensorFlow
- Exercice de programmation: tutoriel NumPy Ultrarapide
- Exercice de programmation: Pandas UltraQuick Tutorial
- Exercice de programmation: régression linéaire avec des données synthétiques
- Exercice de programmation: régression linéaire avec un ensemble de données réel
Ensembles d'entraînement et de test
Validation
Croisements de caractéristiques
- Playground: présentation des croisements de caractéristiques, des croisements de caractéristiques plus complexes
- Testez vos connaissances: croisements de caractéristiques
- Exercice de programmation: représentation avec des croisements de caractéristiques
Régularisation à des fins de simplicité
- Playground: croisements excessifs ?
- Testez vos connaissances : régularisation L2, régularisation L2 et caractéristiques corrélées
- Playground: Examen de la régularisation L2
Classification
- Testez vos connaissances: précision, précision, rappel, précision et rappel
- Testez vos connaissances: ROC et AUC
- Exercice de programmation: classification binaire
Régularisation à des fins de parcimonie
- Testez vos connaissances : régularisation L1, L1 et régularisation L2
- Playground: Examen de la régularisation L1
Introduction aux réseaux de neurones
- Playground: un premier réseau de neurones, initialisation du réseau de neurones, spirale de réseau de neurones
- Exercice de programmation: introduction aux réseaux de neurones
Entraîner les réseaux de neurones
Réseaux de neurones à classes multiples
Équité
Entraînement statique et dynamique
Inférence statique ou dynamique
Dépendances des données
Aire de jeu
En mars 2020, ce cours a commencé à utiliser des exercices de programmation codés avec tf.keras. Si vous préférez utiliser les anciens exercices de programmation d'Estimators, vous pouvez les trouver sur GitHub.
Trames
Plongée dans le ML
Réduction de la perte
- Optimiser le taux d'apprentissage
- Testez vos connaissances: taille de lot
- Playground: taux d'apprentissage et convergence
Premiers pas avec TensorFlow
- Exercice de programmation: tutoriel NumPy Ultrarapide
- Exercice de programmation: Pandas UltraQuick Tutorial
- Exercice de programmation: régression linéaire avec des données synthétiques
- Exercice de programmation: régression linéaire avec un ensemble de données réel
Ensembles d'entraînement et de test
Validation
Croisements de caractéristiques
- Playground: présentation des croisements de caractéristiques, des croisements de caractéristiques plus complexes
- Testez vos connaissances: croisements de caractéristiques
- Exercice de programmation: représentation avec des croisements de caractéristiques
Régularisation à des fins de simplicité
- Playground: croisements excessifs ?
- Testez vos connaissances : régularisation L2, régularisation L2 et caractéristiques corrélées
- Playground: Examen de la régularisation L2
Classification
- Testez vos connaissances: précision, précision, rappel, précision et rappel
- Testez vos connaissances: ROC et AUC
- Exercice de programmation: classification binaire
Régularisation à des fins de parcimonie
- Testez vos connaissances: régularisation L1, L1 et régularisation L2
- Playground: Examen de la régularisation L1
Introduction aux réseaux de neurones
- Playground: un premier réseau de neurones, initialisation du réseau de neurones, spirale de réseau de neurones
- Exercice de programmation: introduction aux réseaux de neurones