Ringkasan
Merumuskan masalah dalam hal ML adalah proses dua langkah:
Pastikan ML adalah pendekatan yang baik dengan melakukan hal berikut:
- Pahami masalahnya.
- Identifikasi kasus penggunaan yang jelas.
- Pahami data.
Rumuskan masalah dalam istilah ML dengan melakukan hal berikut:
- Tentukan hasil ideal dan sasaran model.
- Identifikasi output model.
- Tentukan metrik kesuksesan.
Langkah-langkah ini dapat menghemat waktu dan resource dengan menetapkan sasaran yang jelas dan menyediakan
framework bersama untuk bekerja dengan praktisi ML lainnya.
Gunakan latihan berikut untuk membingkai masalah ML dan merumuskan solusi:
Responsible AI
Saat menerapkan solusi ML, selalu ikuti
Prinsip Responsible AI Google.
Untuk pengantar praktis guna meningkatkan keadilan dan mengurangi bias dalam
ML, lihat modul Keadilan MLCC.
Terus belajar
Referensi pembelajaran ML lainnya
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-02-28 UTC.
[null,null,["Terakhir diperbarui pada 2025-02-28 UTC."],[[["Framing a Machine Learning (ML) problem involves understanding the problem, identifying a use case, understanding the data, and then defining the desired outcome, model output, and success metrics."],["These steps help in setting clear objectives and establishing a collaborative framework when working with other ML professionals."],["Applying ML can raise privacy and ethical issues which need careful consideration before deploying a model, using available resources to mitigate these risks."],["Further learning resources are available on data preparation, feature engineering, testing, debugging in ML, and responsible AI practices."]]],[]]
