مقدمه ای بر چارچوب مسئله یادگیری ماشینی به شما می آموزد که چگونه تشخیص دهید که یادگیری ماشین (ML) رویکرد خوبی برای یک مشکل است یا خیر و توضیح می دهد که چگونه یک راه حل ML را ترسیم کنید.
مقدمه‌ای بر چارچوب‌بندی مسائل یادگیری ماشینی
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2024-10-26 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2024-10-26 به‌وقت ساعت هماهنگ جهانی."],[[["\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."]]