2.1 KiB
ML-aarteenetsintä
Ohjeet
Tässä oppitunnissa opit monista tosielämän käyttötapauksista, jotka on ratkaistu klassisella koneoppimisella. Vaikka syväoppimisen, uusien tekniikoiden ja työkalujen sekä neuroverkkojen hyödyntäminen on nopeuttanut työkalujen kehittämistä näillä aloilla, klassinen koneoppiminen tämän oppimateriaalin tekniikoilla on edelleen erittäin arvokasta.
Tässä tehtävässä kuvittele, että osallistut hackathoniin. Käytä oppimateriaalista oppimiasi asioita ehdottaaksesi ratkaisua klassisella koneoppimisella johonkin tämän oppitunnin aikana käsiteltyyn sektoriin liittyvään ongelmaan. Luo esitys, jossa kerrot, miten aiot toteuttaa ideasi. Lisäpisteitä saat, jos onnistut keräämään esimerkkidataa ja rakentamaan koneoppimismallin tukemaan konseptiasi!
Arviointikriteerit
Kriteeri | Erinomainen | Riittävä | Parannettavaa |
---|---|---|---|
PowerPoint-esitys on tehty - lisäpisteitä mallin rakentamisesta | Ei-innovatiivinen, perustason esitys on tehty | Työ on keskeneräinen |
Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.