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.
4.6 KiB
4.6 KiB
ಅಜೂರ್ ಎಂಎಲ್ ಎಸ್ಡಿಕೆ ಬಳಸಿ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್
ಸೂಚನೆಗಳು
ನಾವು ಅಜೂರ್ ಎಂಎಲ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಅಜೂರ್ ಎಂಎಲ್ ಎಸ್ಡಿಕೆ ಮೂಲಕ ಮಾದರಿಯನ್ನು ತರಬೇತಿ, ನಿಯೋಜನೆ ಮತ್ತು ಉಪಯೋಗಿಸುವ ವಿಧಾನವನ್ನು ನೋಡಿದ್ದೇವೆ. ಈಗ ನೀವು ಇನ್ನೊಂದು ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು, ನಿಯೋಜಿಸಲು ಮತ್ತು ಉಪಯೋಗಿಸಲು ಬಳಸಬಹುದಾದ ಕೆಲವು ಡೇಟಾವನ್ನು ಹುಡುಕಿ. ನೀವು Kaggle ಮತ್ತು Azure Open Datasets ನಲ್ಲಿ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಹುಡುಕಬಹುದು.
ರೂಬ್ರಿಕ್
| ಉದಾಹರಣೀಯ | ಸಮರ್ಪಕ | ಸುಧಾರಣೆಯ ಅಗತ್ಯವಿದೆ |
|---|---|---|
| AutoML ಸಂರಚನೆಯನ್ನು ಮಾಡುವಾಗ, ನೀವು SDK ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಮೂಲಕ ಯಾವ ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಬಳಸಬಹುದು ಎಂದು ನೋಡಿದ್ದೀರಿ. ನೀವು ಅಜೂರ್ ಎಂಎಲ್ SDK ಬಳಸಿ AutoML ಮೂಲಕ ಡೇಟಾಸೆಟ್ನಲ್ಲಿ ತರಬೇತಿ ನಡೆಸಿದ್ದೀರಿ ಮತ್ತು ಮಾದರಿ ವಿವರಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೀರಿ. ನೀವು ಅತ್ಯುತ್ತಮ ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸಿದ್ದೀರಿ ಮತ್ತು ಅದನ್ನು ಅಜೂರ್ ಎಂಎಲ್ SDK ಮೂಲಕ ಉಪಯೋಗಿಸಲು ಸಾಧ್ಯವಾಯಿತು. | ನೀವು ಅಜೂರ್ ಎಂಎಲ್ SDK ಬಳಸಿ AutoML ಮೂಲಕ ಡೇಟಾಸೆಟ್ನಲ್ಲಿ ತರಬೇತಿ ನಡೆಸಿದ್ದೀರಿ ಮತ್ತು ಮಾದರಿ ವಿವರಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೀರಿ. ನೀವು ಅತ್ಯುತ್ತಮ ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸಿದ್ದೀರಿ ಮತ್ತು ಅದನ್ನು ಅಜೂರ್ ಎಂಎಲ್ SDK ಮೂಲಕ ಉಪಯೋಗಿಸಲು ಸಾಧ್ಯವಾಯಿತು. | ನೀವು ಅಜೂರ್ ಎಂಎಲ್ SDK ಬಳಸಿ AutoML ಮೂಲಕ ಡೇಟಾಸೆಟ್ನಲ್ಲಿ ತರಬೇತಿ ನಡೆಸಿದ್ದೀರಿ. ನೀವು ಅತ್ಯುತ್ತಮ ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸಿದ್ದೀರಿ ಮತ್ತು ಅದನ್ನು ಅಜೂರ್ ಎಂಎಲ್ SDK ಮೂಲಕ ಉಪಯೋಗಿಸಲು ಸಾಧ್ಯವಾಯಿತು. |
ಅಸ್ವೀಕರಣ:
ಈ ದಸ್ತಾವೇಜು Co-op Translator ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯತ್ತ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.