Ua hana wau i ka papa hana hoʻomohala no Ka Papa Hana Crash a me ka Mīkini Google. Kahi papa hoʻolauna, kahi e hāʻawi ai lākou iā ʻoe i nā kumu a ʻike i nā laʻana o ka hoʻokō maoli ʻana me TensorFlow. ʻO kēia mau laʻana nā mea i paipai iaʻu e hana pēlā.
ʻO Crash vs Machine Learning Coursera
He papa maʻalahi ʻoi aku ia ma mua o kēlā Ke aʻo ʻana i ka mīkini Coursera aʻoi aku ka hana. E ʻōlelo mākou e nānā ka papa Coursera iā ʻoe i ka ʻike ʻana i ka hana ʻana o nā algorithms i ka wā ʻo Google Crash ʻo kēlā mau algorithms e like me nā pahu ʻeleʻele, hāʻawi lākou iā ʻoe i kahi wehewehe iki a aʻo iā ʻoe e hoʻokō me ka Tensor Flow.
A ʻo kēia ka ʻokoʻa nui. ʻO ka papa Google, ʻoiai e wehewehe nei i ka hohonu o ka hohonu i nā manaʻo like ʻole a me nā algorithms o ka Machine Machine, e aʻo iā mākou e hoʻopili iā lākou a hoʻomaka e hoʻohana iā TensorFlow a me Keras.
Hana ʻia nā hana āpau me ʻO Google Colab, me ia mea e hoʻomākaukau mua ʻia ka nohona hoʻomohala. He ʻokoʻa nui ia me ka papa Cursera e hana pū me Matalab a i ʻole Octave e hoʻokō i nā algorithms. Akā ʻaʻole ʻoe e ʻike i kekahi mea mai Tensorflow a pehea e hoʻoponopono ai i kahi pilikia maoli.
Ke kuhikuhi nei i kaʻu ʻōlelo i ka loiloi o kēlā papa
He manaʻo nui ʻole ia. Akā ʻo ia nō paha ke kumu he ala maikaʻi e hoʻomaka ai no ka mea ʻaʻole ʻoe e aʻo i ka mea e hana ai akā no ke aha ʻoe e hana ai.
- I ka manawa hea e koho ai i kahi algorithm a i ʻole ʻē aʻe.
- Pehea e koho a wehewehe ai i nā palena ʻokoʻa.
- He aha nā pilikia e hiki ke ala aʻe me nā hāmeʻa a ʻoi loa hoʻi nā ana e lawe ai.
ʻO kā Google Machine Learning Crash papa hiki ke hana ʻia inā ʻaʻole ʻoe he pae makemakika kiʻekiʻe, ʻaʻole ʻo Andrew Ng's Coursera's
Agena: He aha ka mea i ʻike ʻia i ka papa
ʻO ka mea mua, hoʻomaka ʻoe me ka wehewehe ʻana i ke ʻano o ka Learning Machine, nā manaʻo nui a me nā ʻano pilikia. A me kēia, ua hiki i ka manawa e kamaʻilio e pili ana i nā helu aʻe. E kala mai he nui nā huaʻōlelo i ka ʻōlelo Pelekania, akā aia ka papa ma ka ʻōlelo Pelekania (ʻoiai he maʻalahi loa e ukali iā ia) a ʻo ka nui o nā kī ʻaʻohe unuhi, a i ʻole ke unuhi ʻia ua nalowale ke ʻano, no ka mea i loko o ka pōʻaiapili o Ke aʻo ʻana i ka poʻe āpau a ma nā pūnaewele āpau e ʻōlelo iā lākou i ka ʻōlelo Pelekania.
- Ka Hoʻihoʻi Linear a i ʻole Linear Regression
- Lilo kuʻi: kahi hana pohō kaulana
- ʻO Gradient Down a me Gradient Down Stochastic
- Ka helu aʻo a i ʻole ka helu aʻo.
- Hoʻolahalaha
- ʻOhana
- Hoʻonohonoho ʻia
- ʻO ka helehelena helehelena me ke keʻa kea i hoʻokahi-wela mau mea lele
- Nā Nolanarialities
- Regularization (maʻalahi a me sparcity) (L1 a me L2)
- Hoʻohuli loiloi
- Hōʻuluʻulu
- Ka pololei, pololei a me ka hoʻomanaʻo
- ROC Curve a me AUC
- Nā pūnaewele Neural (Hoʻomaʻamaʻa, Hoʻokahi me All, Softmax)
- Komo iho
E like me kaʻu i ʻōlelo ai, hana pū me Google Colab.
Na wai ia
Inā ʻoe e hoʻomaka a makemake e aʻo e hoʻokō i nā laʻana maʻalahi. He ala maikaʻi ia e hoʻomaka ai.
Aia he 15 mau hola o ka papa i hiki iā ʻoe ke hana i kāu wikiwiki, a ʻoiai aia he mau hoʻomaʻamaʻa ʻaʻole pono ʻoe e hana i nā hāʻawi a i ʻole e hala i nā hoʻokolohua.
Manuahi ka papa.
A kēia manawa?
Ke wikiwiki nei lākou, e nānā nō wau i ke koena o lākou ma Google.
- Kāleʻa Kūkākūkā
- Hoʻolālā pilikia
- Hoʻomākaukau ʻikepili
- Ka Hoʻohui
- Manaʻo
- Ke hoʻāʻo ʻana a me ka Debugging
- KANAKA
Ma waho aʻe o ka hoʻomau ʻana e hoʻāʻo i kekahi o nā nā papa a mākou i waiho ai i ka papa inoa e ʻike pehea lākou a inā wau e hana i kekahi mea koʻikoʻi ua ʻoi aku ka holomua.
He papahana koʻikoʻi kaʻu e hoʻomaka nei no ka hoʻokumu ʻana i kahi mea hana ma ka hana a ʻo ka mea e pono ai i kēia manawa e hoʻomaka wau e noi i nā mea āpau aʻu i aʻo ai i kēia manawa a e hakakā me nā pilikia maoli.
E hōʻike mau wau i koʻu holomua ma ka blog.
