Yek kodkirina germ çi ye?
Yek şîfrekirina germ teknîkek e ku bi gelemperî di warê fêrbûna kûr de tê bikar anîn, nemaze di çarçoveya fêrbûna makîneyê û torên neuralî de. Li TensorFlow, pirtûkxaneyek fêrbûna kûr a populer, yek şîfrekirina germ rêbazek e ku ji bo temsîlkirina daneyên kategorîkî bi rengek ku bi hêsanî dikare ji hêla algorîtmayên fêrbûna makîneyê ve were hilberandin tê bikar anîn. Li
- Weşandin Îstîxbaratê ya sûnî, EITC/AI/DLTF Fêrbûna Kûr a bi TensorFlow, TensorFlow Pirtûkxaneya Fêrbûna Kûr, TFLearn
Meriv çawa şêlê ewr mîheng dike?
Ji bo mîhengkirina Cloud Shell di Google Cloud Platform (GCP) de, hûn hewce ne ku çend gavan bişopînin. Cloud Shell hawîrdorek şêlê-based web, înteraktîf e ku bi amûr û pirtûkxaneyên pêş-sazkirî ve gihîştina makîneyek virtual (VM) peyda dike. Ew dihêle hûn çavkaniyên GCP-ya xwe îdare bikin û bêyî hewcedariyê karên cihêreng bikin
Meriv çawa Google Cloud Console û Platforma Google Cloud ji hev cuda dike?
Google Cloud Console û Platforma Google Cloud du hêmanên cihêreng di nav ekosîstema berfireh a karûbarên Google Cloud de ne. Dema ku ew ji nêz ve têkildar in, girîng e ku meriv cûdahiyên di navbera wan de fêm bike da ku bi bandor li hawîrdora Google Cloud bigerin û bikar bînin. Google Cloud Console, ku wekî GCP Console jî tê zanîn, ye
Ma taybetmendiyên ku daneyan temsîl dikin divê bi rengek hejmarî bin û di stûnên taybetmendiyê de bêne organîze kirin?
Di warê fêrbûna makîneyê de, nemaze di çarçoweya daneyên mezin de ji bo modelên perwerdehiyê yên di ewr de, nûneriya daneyan di serkeftina pêvajoya fêrbûnê de rolek girîng dilîze. Taybetmendî, ku taybetmendiyên pîvandî yên kesane an taybetmendiyên daneyê ne, bi gelemperî di stûnên taybetmendiyê de têne organîze kirin. Dema ku ew e
Rêjeya fêrbûnê di fêrbûna makîneyê de çi ye?
Rêjeya fêrbûnê di çarçoweya fêrbûna makîneyê de pîvanek guheztina modela girîng e. Ew li ser bingeha agahdariya ku ji qonaxa perwerdehiya berê hatî wergirtin, di her dubarekirina pêngava perwerdehiyê de mezinahiya gavê destnîşan dike. Bi eyarkirina rêjeya fêrbûnê, em dikarin rêjeya ku model ji daneyên perwerdehiyê fêr dibe û kontrol bikin
Ma daneyên ku bi gelemperî tê pêşniyar kirin di navbera perwerdehiyê û nirxandinê de bi heman rengî nêzî 80% û 20% ye?
Di modelên fêrbûna makîneyê de dabeşbûna gelemperî di navbera perwerde û nirxandinê de ne rast e û dikare li gorî faktorên cihêreng cûda bibe. Lêbelê, bi gelemperî tê pêşniyar kirin ku beşek girîng a daneyan ji bo perwerdehiyê veqetînin, bi gelemperî li dora 70-80%, û beşa mayî ji bo nirxandinê veqetînin, ku dê li dora 20-30%. Ev parçebûn wê misoger dike
- Weşandin Îstîxbaratê ya sûnî, EITC/AI/GCML Fêrbûna Makîna Ewr a Google, Di Fêrbûna Makîneyê de gavên din, Daneyên mezin ji bo modelên perwerdehiyê di ewr de
Ma dikare çareseriyên ewr ên Google-ê were bikar anîn da ku hesabkirinê ji hilanînê veqetîne ji bo perwerdehiyek bikêrtir a modela ML bi daneyên mezin re?
Perwerdehiya bikêr a modelên fêrbûna makîneyê bi daneya mezin di warê îstîxbarata sûnî de aliyek girîng e. Google çareseriyên pispor pêşkêşî dike ku destûrê dide veqetandina hesaban ji hilanînê, pêvajoyên perwerdehiyê yên bikêr bihêle. Van çareseriyên, wekî Google Cloud Machine Learning, GCP BigQuery, û daneyên vekirî, çarçoveyek berfireh ji bo pêşkeftinê peyda dikin.
- Weşandin Îstîxbaratê ya sûnî, EITC/AI/GCML Fêrbûna Makîna Ewr a Google, Di Fêrbûna Makîneyê de pêşve diçin, GCP BigQuery û danûstandinên vekirî
Ma motora Fêrbûna Makîneya Ewrê ya Google (CMLE) wergirtina çavkaniyê û veavakirina otomatîkî pêşkêşî dike û piştî ku perwerdehiya modelê qediya girtina çavkaniyê bi rê ve dibe?
Cloud Machine Learning Engine (CMLE) amûrek hêzdar e ku ji hêla Google Cloud Platform (GCP) ve hatî peyda kirin ji bo perwerdekirina modelên fêrbûna makîneyê bi rengek belavkirî û paralel. Lêbelê, ew ne wergirtin û veavakirina çavkaniyê ya otomatîkî pêşkêşî dike, ne jî piştî qedandina perwerdehiya modelê girtina çavkaniyê bi rê ve dibe. Di vê bersivê de, em ê
Ma gengaz e ku meriv modelên fêrbûna makîneyê li ser komikên daneya kêfî yên mezin û bê hicup perwerde bike?
Perwerdekirina modelên fêrbûna makîneyê li ser daneyên mezin di warê îstîxbarata sûnî de pratîkek hevpar e. Lêbelê, girîng e ku meriv bala xwe bide ku mezinahiya databasê di pêvajoya perwerdehiyê de dibe sedema dijwarî û astengiyên potansiyel. Werin em îhtîmala perwerdekirina modelên fêrbûna makîneyê li ser danûstendinên mezin ên keyfî û ya nîqaş bikin
Dema ku CMLE bikar bînin, çêkirina guhertoyek hewce dike ku çavkaniyek modelek derhanîn diyar bike?
Dema ku CMLE (Motora Fêrbûna Makîneya Cloud) ji bo afirandina guhertoyek bikar tîne, pêdivî ye ku çavkaniyek modelek derxistinê diyar bike. Ev hewcedarî ji ber çend sedeman girîng e, ku dê di vê bersivê de bi berfirehî were rave kirin. Pêşîn, em fêm bikin ka wateya "modela derhanîn" çi ye. Di çarçoveya CMLE de, modelek derhanîn
- Weşandin Îstîxbaratê ya sûnî, EITC/AI/GCML Fêrbûna Makîna Ewr a Google, Di Fêrbûna Makîneyê de pêşve diçin, GCP BigQuery û danûstandinên vekirî