通过机器学习速成课程的学习,您将通过在 tf.keras 中对模型进行编码来实际运用机器学习概念。您将使用 Colab 作为编程环境。Colab 是 Google 的 Jupyter 笔记本版本。与 Jupyter 笔记本一样,Colab 提供了一个将文本、代码、图形和程序输出组合在一起的交互式 Python 编程环境。
NumPy 和 Pandas
使用 tf.keras 时,您至少需要对以下两个开源 Python 库有所了解:
如果您不熟悉 NumPy 或 Pandas,请先执行以下两项 Colab 练习:
- NumPy UltraQuick 教程 Colab 练习,提供本课程所需的所有 NumPy 信息。
- Pandas UltraQuick 教程 Colab 练习,提供本课程所需的所有 Pandas 信息。
使用 tf.keras 进行线性回归
在了解 NumPy 和 Pandas 中的技能后,请执行以下两项 Colab 练习,探索 tf.keras 中的线性回归和超参数调节:
- 使用合成数据进行线性回归 Colab 练习:使用玩具数据集探索线性回归。
- 使用实际数据集进行线性回归 Colab 练习,它会引导您在真实数据集上进行各种分析。
编程练习直接在浏览器中使用 Colaboratory 平台运行(无需设置!)。Colaboratory 支持大多数主流浏览器,并且在桌面版 Chrome 和 Firefox 中经过了最全面的测试。如果您希望下载并离线运行这些练习,请参阅有关设置本地环境的说明。