En Introducción al enmarcado de problemas del aprendizaje automático, aprenderás a determinar si el aprendizaje automático (AA) es un buen enfoque para un problema y se explica cómo describir una solución de AA.
Introducción al enmarcado de problemas del aprendizaje automático
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2022-09-27 (UTC)
[null,null,["Última actualización: 2022-09-27 (UTC)"],[[["\u003cp\u003eThis course helps you identify if a problem is suitable for machine learning solutions.\u003c/p\u003e\n"],["\u003cp\u003eYou will learn how to define an ML problem, select the appropriate model, and establish success metrics.\u003c/p\u003e\n"],["\u003cp\u003eThe course provides guidance on framing your problem for machine learning and outlines the steps to build a solution.\u003c/p\u003e\n"]]],[],null,["# Introduction to Machine Learning Problem Framing\n\n\u003cbr /\u003e\n\n*Introduction to Machine Learning Problem Framing* teaches you how to determine\nif machine learning (ML) is a good approach for a problem and explains how to\noutline an ML solution.\n| **Estimated Course Length:** 45 minutes\n| **Objectives:**\n|\n| - Identify if ML is a good solution for a problem.\n| - Learn how to frame an ML problem.\n| - Understand how to pick the right model and define success metrics."]]