Odcinek
Odtwarzalne Nauka o danych za pomocą Edukacja maszynowych
Możliwość wyjaśnienia własnego kodu kilka miesięcy po napisaniu jest trudna. Wyobraź sobie, że trzeba wyjaśnić decyzje niektórych algorytmów sztucznej inteligencji kilka lat po jego uruchomieniu! Jednak stosunkowo łatwo jest skonfigurować przepływ pracy programowania, aby umożliwić to, o ile zdajesz sobie sprawę, że sposób tworzenia uczenia maszynowego i sztucznej inteligencji różni się zasadniczo od tradycyjnej inżynierii oprogramowania. W skrócie chodzi o: powtarzalne badania, rozwój i wdrażanie. Jest to możliwe dzięki sprytnym użyciu nowoczesnych środowisk notesów, w tym wystąpień obliczeniowych usługi Azure ML, w przeciwieństwie do bardziej tradycyjnych środowisk IDE, takich jak Program Visual Studio Code. Rafal Lukawiecki aktywnie pracuje w dziedzinie nauki o danych, uczenia maszynowego i wyszukiwania danych od ponad dekady, a on formalnie studiował i używał sztucznej inteligencji na długo przed tym, jak był popularny, z powrotem w latach 90.. Obejrzyj ten odcinek, aby dowiedzieć się, jak organizuje swój powtarzalny przepływ pracy.
Przejdź do:
- [02:30] Nauka odtwarzalnych badań z Rafalem Lukawieckim
- [03:01] Modelowanie i eksploracja a programowanie oprogramowania
- [09:28] Kroki powtarzalnego przepływu pracy
- [15:20] Pokaz: przepływ pracy przy użyciu programu RStudio i środowiska RMarkdown uruchomiony lokalnie
- [22:25] Pokaz: notesy RMarkdown w wystąpieniu obliczeniowym usługi Azure ML
Więcej informacji:
- Dowiedz się więcej na temat korzystania z języka R w usłudze Rafal
- Filmy wideo dostępne w witrynie Tecflix
- Śledź Rafal na LinkedIn
- Tworzenie bezpłatnego konta (Azure)
- Edukacja głębokie a Edukacja maszynowe
- Wprowadzenie do usługi Machine Edukacja
Nie przegap nowych odcinków,subskrybuj program AI Show
Możliwość wyjaśnienia własnego kodu kilka miesięcy po napisaniu jest trudna. Wyobraź sobie, że trzeba wyjaśnić decyzje niektórych algorytmów sztucznej inteligencji kilka lat po jego uruchomieniu! Jednak stosunkowo łatwo jest skonfigurować przepływ pracy programowania, aby umożliwić to, o ile zdajesz sobie sprawę, że sposób tworzenia uczenia maszynowego i sztucznej inteligencji różni się zasadniczo od tradycyjnej inżynierii oprogramowania. W skrócie chodzi o: powtarzalne badania, rozwój i wdrażanie. Jest to możliwe dzięki sprytnym użyciu nowoczesnych środowisk notesów, w tym wystąpień obliczeniowych usługi Azure ML, w przeciwieństwie do bardziej tradycyjnych środowisk IDE, takich jak Program Visual Studio Code. Rafal Lukawiecki aktywnie pracuje w dziedzinie nauki o danych, uczenia maszynowego i wyszukiwania danych od ponad dekady, a on formalnie studiował i używał sztucznej inteligencji na długo przed tym, jak był popularny, z powrotem w latach 90.. Obejrzyj ten odcinek, aby dowiedzieć się, jak organizuje swój powtarzalny przepływ pracy.
Przejdź do:
- [02:30] Nauka odtwarzalnych badań z Rafalem Lukawieckim
- [03:01] Modelowanie i eksploracja a programowanie oprogramowania
- [09:28] Kroki powtarzalnego przepływu pracy
- [15:20] Pokaz: przepływ pracy przy użyciu programu RStudio i środowiska RMarkdown uruchomiony lokalnie
- [22:25] Pokaz: notesy RMarkdown w wystąpieniu obliczeniowym usługi Azure ML
Więcej informacji:
- Dowiedz się więcej na temat korzystania z języka R w usłudze Rafal
- Filmy wideo dostępne w witrynie Tecflix
- Śledź Rafal na LinkedIn
- Tworzenie bezpłatnego konta (Azure)
- Edukacja głębokie a Edukacja maszynowe
- Wprowadzenie do usługi Machine Edukacja
Nie przegap nowych odcinków,subskrybuj program AI Show
Chcesz przesłać opinię? Prześlij problem tutaj.