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.
14 lines
1.8 KiB
14 lines
1.8 KiB
# Projekt Data Science w stylu Low code/No code na Azure ML
|
|
|
|
## Instrukcje
|
|
|
|
Widzieliśmy, jak korzystać z platformy Azure ML, aby trenować, wdrażać i używać modelu w sposób Low code/No code. Teraz poszukaj danych, które możesz wykorzystać do trenowania innego modelu, wdrożenia go i używania. Możesz znaleźć zestawy danych na [Kaggle](https://kaggle.com) oraz [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109).
|
|
|
|
## Kryteria oceny
|
|
|
|
| Wzorowe | Wystarczające | Wymaga poprawy |
|
|
|---------|---------------|----------------|
|
|
|Podczas przesyłania danych zadbałeś o zmianę typu cech, jeśli było to konieczne. Oczyściłeś dane, jeśli było to potrzebne. Przeprowadziłeś trening na zestawie danych za pomocą AutoML i sprawdziłeś wyjaśnienia modelu. Wdrożyłeś najlepszy model i byłeś w stanie go używać. | Podczas przesyłania danych zadbałeś o zmianę typu cech, jeśli było to konieczne. Przeprowadziłeś trening na zestawie danych za pomocą AutoML, wdrożyłeś najlepszy model i byłeś w stanie go używać. | Wdrożyłeś najlepszy model wytrenowany przez AutoML i byłeś w stanie go używać. |
|
|
|
|
**Zastrzeżenie**:
|
|
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. |