4.4 KiB
ലോ കോഡ്/നോ കോഡ് ഡാറ്റാ സയൻസ് പ്രോജക്ട് ആസ്യൂർ ML-ൽ
നിർദ്ദേശങ്ങൾ
ലോ കോഡ്/നോ കോഡ് രീതിയിൽ ഒരു മോഡൽ ട്രെയിൻ ചെയ്യാനും, ഡിപ്ലോയ് ചെയ്യാനും, ഉപയോഗിക്കാനും ആസ്യൂർ ML പ്ലാറ്റ്ഫോം എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നാം കണ്ടു. ഇപ്പോൾ മറ്റൊരു മോഡൽ ട്രെയിൻ ചെയ്യാനും, ഡിപ്ലോയ് ചെയ്യാനും, ഉപയോഗിക്കാനും നിങ്ങൾക്ക് ഉപയോഗിക്കാവുന്ന ഡാറ്റ ഏതെങ്കിലും കണ്ടെത്താൻ ചുറ്റിപ്പറ്റി നോക്കുക. Kaggle ലും Azure Open Datasets ലും ഡാറ്റാസെറ്റുകൾ അന്വേഷിക്കാം.
റൂബ്രിക്
| ഉദാഹരണപരമായത് | മതിയായത് | മെച്ചപ്പെടുത്തേണ്ടത് |
|---|---|---|
| ഡാറ്റ അപ്ലോഡ് ചെയ്യുമ്പോൾ ഫീച്ചറിന്റെ തരം ആവശ്യമായെങ്കിൽ മാറ്റിയിട്ടുണ്ട്. ആവശ്യമായെങ്കിൽ ഡാറ്റ ശുദ്ധീകരിച്ചും. AutoML വഴി ഒരു ഡാറ്റാസെറ്റിൽ ട്രെയിനിംഗ് നടത്തി, മോഡൽ വിശദീകരണങ്ങൾ പരിശോധിച്ചു. മികച്ച മോഡൽ ഡിപ്ലോയ് ചെയ്തു, അത് ഉപയോഗിക്കാൻ കഴിഞ്ഞു. | ഡാറ്റ അപ്ലോഡ് ചെയ്യുമ്പോൾ ഫീച്ചറിന്റെ തരം ആവശ്യമായെങ്കിൽ മാറ്റിയിട്ടുണ്ട്. AutoML വഴി ഒരു ഡാറ്റാസെറ്റിൽ ട്രെയിനിംഗ് നടത്തി, മികച്ച മോഡൽ ഡിപ്ലോയ് ചെയ്തു, അത് ഉപയോഗിക്കാൻ കഴിഞ്ഞു. | AutoML വഴി ട്രെയിൻ ചെയ്ത മികച്ച മോഡൽ ഡിപ്ലോയ് ചെയ്തു, അത് ഉപയോഗിക്കാൻ കഴിഞ്ഞു. |
അസൂയാപത്രം:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.