Esercitazioni

Questa pagina elenca gli esercizi nel corso sugli arresti anomali del machine learning.

La maggior parte degli esercizi di programmazione utilizza il set di dati relativi agli alloggi in California.

Per informazioni su come scaricare, installare ed eseguire gli esercizi di programmazione sulla tua macchina, consulta la pagina Esercizi di programmazione a livello locale.

Tutte

A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.

Framing

• Verifica della comprensione: apprendimento supervisionato, funzionalità ed etichette

Scendere in ML

• Verifica la tua comprensione: errore medio quadrato

Riduzione della perdita

• Ottimizzazione della percentuale di apprendimento
• Verifica della comprensione: dimensioni del batch
• Playground: tasso di apprendimento e convergenza

Primi passi con TensorFlow

• Programma di allenamento: NumPy Tutorial ultrarapido
• Programma di allenamento: panda Tutorial ultrarapido
• Esercizio di programmazione: regressione lineare con dati sintetici
• Esercizio di programmazione: regressione lineare con un set di dati reale

Set per addestramento e test

• Playground: set di addestramento e set di test

Convalida

• Controlla la tua intuizione: convalida
• Esercizio di programmazione: set di convalida e set di test

Incrociatori

• Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
• Verifica di aver compreso le diverse caratteristiche
• Esercizi di programmazione: rappresentazione con feature cross

Regolarizzazione per semplicità

• Playground: Crossover?
• Verifica la tua comprensione: L₂ Normalizzazione, L₂ Normalizzazione e funzionalità correlate
• Playground: Esame di L₂ regolarizzazione

Classificazione

• Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
• Verifica la tua comprensione: ROC e AUC
• Programma di allenamento: classificazione binaria

Regolarizzazione per sparsità

• Verifica la comprensione: L₁ regolazione, L₁ e L₂ regolazione
• Playground: Esame di L₁ regolarizzazione

Introduzione alle reti neurali

• Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
• Attività di programmazione: introduzione alle reti neurali

Reti neurali per allenamento

• Spiegazione visiva dell'algoritmo di propagazione

Reti neurali multiclasse

• Esercizio di programmazione: classificazione di più classi con MNIST

Correttezza

• Verifica di aver compreso la correttezza:
• Attività di programmazione: introduzione all'equità

Confronto tra addestramento statico e dinamico

• Verifica di aver compreso le seguenti conoscenze: formazione online, formazione offline

Inferenza statica e dinamica

• Verifica di aver compreso le informazioni: inferenza offline, inferenza online

Dipendenze dati

• Verifica la tua comprensione: dipendenze dei dati

Programmazione

A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.

Framing

• Verifica della comprensione: apprendimento supervisionato, funzionalità ed etichette

Scendere in ML

• Verifica la tua comprensione: errore medio quadrato

Riduzione della perdita

• Ottimizzazione della percentuale di apprendimento
• Verifica della comprensione: dimensioni del batch
• Playground: tasso di apprendimento e convergenza

Primi passi con TensorFlow

• Programma di allenamento: NumPy Tutorial ultrarapido
• Programma di allenamento: panda Tutorial ultrarapido
• Esercizio di programmazione: regressione lineare con dati sintetici
• Esercizio di programmazione: regressione lineare con un set di dati reale

Set per addestramento e test

• Playground: set di addestramento e set di test

Convalida

• Controlla la tua intuizione: convalida
• Esercizio di programmazione: set di convalida e set di test

Incrociatori

• Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
• Verifica di aver compreso le diverse caratteristiche
• Esercizi di programmazione: rappresentazione con feature cross

Regolarizzazione per semplicità

• Playground: Crossover?
• Verifica la tua comprensione: L₂ Normalizzazione, L₂ Normalizzazione e funzionalità correlate
• Playground: Esame di L₂ regolarizzazione

Classificazione

• Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
• Verifica la tua comprensione: ROC e AUC
• Programma di allenamento: classificazione binaria

Regolarizzazione per sparsità

• Verifica la comprensione: L₁ regolazione, L₁ e L₂ regolazione
• Playground: Esame di L₁ regolarizzazione

Introduzione alle reti neurali

• Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
• Attività di programmazione: introduzione alle reti neurali

Reti neurali per allenamento

• Spiegazione visiva dell'algoritmo di propagazione

Reti neurali multiclasse

• Esercizio di programmazione: classificazione di più classi con MNIST

Correttezza

• Verifica di aver compreso la correttezza:
• Attività di programmazione: introduzione all'equità

Confronto tra addestramento statico e dinamico

• Verifica di aver compreso le seguenti conoscenze: formazione online, formazione offline

Inferenza statica e dinamica

• Verifica di aver compreso le informazioni: inferenza offline, inferenza online

Dipendenze dati

• Verifica la tua comprensione: dipendenze dei dati

Verifica le tue conoscenze

A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.

Framing

• Verifica della comprensione: apprendimento supervisionato, funzionalità ed etichette

Scendere in ML

• Verifica la tua comprensione: errore medio quadrato

Riduzione della perdita

• Ottimizzazione della percentuale di apprendimento
• Verifica della comprensione: dimensioni del batch
• Playground: tasso di apprendimento e convergenza

Primi passi con TensorFlow

• Programma di allenamento: NumPy Tutorial ultrarapido
• Programma di allenamento: panda Tutorial ultrarapido
• Esercizio di programmazione: regressione lineare con dati sintetici
• Esercizio di programmazione: regressione lineare con un set di dati reale

Set per addestramento e test

• Playground: set di addestramento e set di test

Convalida

• Controlla la tua intuizione: convalida
• Esercizio di programmazione: set di convalida e set di test

Incrociatori

• Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
• Verifica di aver compreso le diverse caratteristiche
• Esercizi di programmazione: rappresentazione con feature cross

Regolarizzazione per semplicità

• Playground: Crossover?
• Verifica la tua comprensione: L₂ Normalizzazione, L₂ Normalizzazione e funzionalità correlate
• Playground: Esame di L₂ regolarizzazione

Classificazione

• Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
• Verifica la tua comprensione: ROC e AUC
• Programma di allenamento: classificazione binaria

Regolarizzazione per sparsità

• Verifica la comprensione: L₁ regolazione, L₁ e L₂ regolazione
• Playground: Esame di L₁ regolarizzazione

Introduzione alle reti neurali

• Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
• Attività di programmazione: introduzione alle reti neurali

Reti neurali per allenamento

• Spiegazione visiva dell'algoritmo di propagazione

Reti neurali multiclasse

• Esercizio di programmazione: classificazione di più classi con MNIST

Correttezza

• Verifica di aver compreso la correttezza:
• Attività di programmazione: introduzione all'equità

Confronto tra addestramento statico e dinamico

• Verifica di aver compreso le seguenti conoscenze: formazione online, formazione offline

Inferenza statica e dinamica

• Verifica di aver compreso le informazioni: inferenza offline, inferenza online

Dipendenze dati

• Verifica la tua comprensione: dipendenze dei dati

Campo da gioco

A marzo 2020, questo corso ha iniziato a utilizzare Esercizi di programmazione codificati con tf.keras. Se preferisci utilizzare gli esercizi di programmazione legacy degli strumenti di stima, puoi trovarli su GitHub.

Framing

• Verifica della comprensione: apprendimento supervisionato, funzionalità ed etichette

Scendere in ML

• Verifica la tua comprensione: errore medio quadrato

Riduzione della perdita

• Ottimizzazione della percentuale di apprendimento
• Verifica della comprensione: dimensioni del batch
• Playground: tasso di apprendimento e convergenza

Primi passi con TensorFlow

• Programma di allenamento: NumPy Tutorial ultrarapido
• Programma di allenamento: panda Tutorial ultrarapido
• Esercizio di programmazione: regressione lineare con dati sintetici
• Esercizio di programmazione: regressione lineare con un set di dati reale

Set per addestramento e test

• Playground: set di addestramento e set di test

Convalida

• Controlla la tua intuizione: convalida
• Esercizio di programmazione: set di convalida e set di test

Incrociatori

• Playground: Introduzione alle funzionalità Crosses, Cross Cross più complesse
• Verifica di aver compreso le diverse caratteristiche
• Esercizi di programmazione: rappresentazione con feature cross

Regolarizzazione per semplicità

• Playground: Crossover?
• Verifica la tua comprensione: L₂ Normalizzazione, L₂ Normalizzazione e funzionalità correlate
• Playground: Esame di L₂ regolarizzazione

Classificazione

• Verifica la tua comprensione: precisione, precisione, richiamo, precisione e richiamo
• Verifica la tua comprensione: ROC e AUC
• Programma di allenamento: classificazione binaria

Regolarizzazione per sparsità

• Verifica la comprensione: L₁ regolazione, L₁ e L₂ regolazione
• Playground: Esame di L₁ regolarizzazione

Introduzione alle reti neurali

• Playground: A First Neural Network, Neural Net Initialization, Neural Net Spiral
• Attività di programmazione: introduzione alle reti neurali

Reti neurali per allenamento

• Spiegazione visiva dell'algoritmo di propagazione

Reti neurali multiclasse

• Esercizio di programmazione: classificazione di più classi con MNIST

Correttezza

• Verifica di aver compreso la correttezza:
• Attività di programmazione: introduzione all'equità

Confronto tra addestramento statico e dinamico

• Verifica di aver compreso le seguenti conoscenze: formazione online, formazione offline

Inferenza statica e dinamica

• Verifica di aver compreso le informazioni: inferenza offline, inferenza online

Dipendenze dati

• Verifica la tua comprensione: dipendenze dei dati