簡介

歡迎進行機器學習測試與偵錯！測試及偵錯機器學習系統與測試及偵錯傳統軟體的差異很大。本課程將逐步說明如何在模型中偵錯，以及在實際工作環境中監控管道。

預估課程長度：4 小時

課程內容包括：

• 驗證原始特徵資料和工程特徵資料。
• 對機器學習模型進行偵錯，讓模型正常運作。
• 實作簡化偵錯作業。
• 最佳化有效的機器學習模型。
• 監控開發、發布和實際工作環境中的模型指標。

本課程未涵蓋的內容：

• Tensorflow Debugger：適用於 Tensorflow 的專用偵錯工具。
• 瞭解模型：深入瞭解機器學習模型的行為。
• 特定機器學習應用程式規範。

必要條件

本課程假設了：

• 完成機器學習問題取向或具備同等的知識。
• 已完成機器學習密集課程，或是具備同等知識。
• 已完成資料準備與功能工程，或具備同等知識。
• 具備 Python 的基本程式設計知識。

祝你學習愉快！