3.5 KiB
Έργο Επιστήμης Δεδομένων με Χαμηλό ή Καθόλου Κώδικα στο Azure ML
Οδηγίες
Είδαμε πώς να χρησιμοποιούμε την πλατφόρμα Azure ML για να εκπαιδεύσουμε, να αναπτύξουμε και να καταναλώσουμε ένα μοντέλο με τρόπο που απαιτεί χαμηλό ή καθόλου κώδικα. Τώρα, αναζητήστε κάποια δεδομένα που θα μπορούσατε να χρησιμοποιήσετε για να εκπαιδεύσετε ένα άλλο μοντέλο, να το αναπτύξετε και να το καταναλώσετε. Μπορείτε να αναζητήσετε σύνολα δεδομένων στο Kaggle και στα Azure Open Datasets.
Κριτήρια Αξιολόγησης
| Εξαιρετικό | Επαρκές | Χρειάζεται Βελτίωση |
|---|---|---|
| Κατά τη μεταφόρτωση των δεδομένων φροντίσατε να αλλάξετε τον τύπο των χαρακτηριστικών αν ήταν απαραίτητο. Επίσης, καθαρίσατε τα δεδομένα αν χρειαζόταν. Εκτελέσατε εκπαίδευση σε ένα σύνολο δεδομένων μέσω AutoML και ελέγξατε τις εξηγήσεις του μοντέλου. Αναπτύξατε το καλύτερο μοντέλο και μπορέσατε να το καταναλώσετε. | Κατά τη μεταφόρτωση των δεδομένων φροντίσατε να αλλάξετε τον τύπο των χαρακτηριστικών αν ήταν απαραίτητο. Εκτελέσατε εκπαίδευση σε ένα σύνολο δεδομένων μέσω AutoML, αναπτύξατε το καλύτερο μοντέλο και μπορέσατε να το καταναλώσετε. | Έχετε αναπτύξει το καλύτερο μοντέλο που εκπαιδεύτηκε από το AutoML και μπορέσατε να το καταναλώσετε. |
Αποποίηση Ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.