Skapa klassiska maskininlärningsmodeller med övervakad inlärning
Övervakad inlärning är en form av maskininlärning där en algoritm lär sig från exempel på data. Vi målar successivt upp en bild av hur man med övervakad inlärning automatiskt kan generera en modell som gör förutsägelser om den verkliga världen. Vi tar också upp hur dessa modeller testas och svårigheter som kan uppstå vid träning av dem.
Utbildningsmål
I den här modulen kommer du att:
- Definiera övervakad och oövervakad inlärning.
- Utforska hur kostnadsfunktioner påverkar inlärningsprocessen.
- Upptäck hur du optimerar modeller med hjälp av gradient descent.
- Experimentera med inlärningsfrekvenser och se hur de kan påverka träningen.
Förutsättningar
Grundläggande kunskaper om indata, utdata och modeller