You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
25 lines
3.7 KiB
25 lines
3.7 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
|
|
"translation_date": "2025-08-26T22:05:47+00:00",
|
|
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
|
|
"language_code": "th"
|
|
}
|
|
-->
|
|
# โครงการ Data Science แบบ Low code/No code บน Azure ML
|
|
|
|
## คำแนะนำ
|
|
|
|
เราได้เรียนรู้วิธีการใช้แพลตฟอร์ม Azure ML เพื่อฝึกอบรม, นำไปใช้งาน และใช้งานโมเดลในรูปแบบ Low code/No code แล้ว ตอนนี้ลองค้นหาข้อมูลที่คุณสามารถใช้เพื่อฝึกอบรมโมเดลอื่น, นำไปใช้งาน และใช้งานได้ คุณสามารถค้นหาชุดข้อมูลได้ที่ [Kaggle](https://kaggle.com) และ [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109)
|
|
|
|
## เกณฑ์การประเมิน
|
|
|
|
| ยอดเยี่ยม | เพียงพอ | ต้องปรับปรุง |
|
|
|-----------|----------|-------------------|
|
|
|เมื่ออัปโหลดข้อมูล คุณได้ตรวจสอบและเปลี่ยนประเภทของฟีเจอร์หากจำเป็น คุณยังได้ทำความสะอาดข้อมูลหากจำเป็น คุณได้ฝึกอบรมชุดข้อมูลผ่าน AutoML และตรวจสอบคำอธิบายของโมเดล คุณได้นำโมเดลที่ดีที่สุดไปใช้งานและสามารถใช้งานได้ | เมื่ออัปโหลดข้อมูล คุณได้ตรวจสอบและเปลี่ยนประเภทของฟีเจอร์หากจำเป็น คุณได้ฝึกอบรมชุดข้อมูลผ่าน AutoML คุณได้นำโมเดลที่ดีที่สุดไปใช้งานและสามารถใช้งานได้ | คุณได้นำโมเดลที่ดีที่สุดที่ฝึกอบรมโดย AutoML ไปใช้งานและสามารถใช้งานได้ |
|
|
|
|
---
|
|
|
|
**ข้อจำกัดความรับผิดชอบ**:
|
|
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ |