Proiect CapStone
Tradus de
ScribdTranslationsProiect CapStone
Tradus de
ScribdTranslationsProiect de finalizare în învăț area automată
În acest proiect final, vei alege o problemă la alegerea ta care poate fi rezolvată prin aplicare
învățarea automată. Fii pregătit să valorifici algoritmii și tehnicile pe care le-ai învățat pe parcursul
Program de nanodiplomă.
Defineste-ti problema
Gândește-te la un domeniu de problemă care te pasionează, de exemplu, sănătate, inginerie, finanțe.
robotica, marketing, bioinformatică etc., ceva ce te entuziasmează. Apoi, alege un existențial
problem within that domain which you could solve by applying machine learning.
Caută provocări și seturi de date pe platforme precumKaggle, Devpost, etc. Dacă găsești o problemă
doriți să rezolvați pe una dintre aceste platforme, asigurați-vă că citați sursa în raportul vostru de proiect.
Odată ce ai ales o problemă, definește-o clar în raportul tău.
Care este problema pe care încerci să o rezolvi, de ce este important să o rezolvi?
Cum îi afectează pe oameni? Cum te afectează pe tine?
Descrie o soluț ie
In order to solve your problem, you should know what a solution to it looks like. Try to describe such
o soluție cât mai precisă. De exemplu, dacă este o problemă de predicție, cât de precisă este estimarea ta?
rezultatele trebuie să fie? Cât de repede trebuie să producă algoritmul tău un răspuns?
Alege un set potrivit de metrici pentru a măsura cât de bine funcționează abordarea ta. De exemplu, într-un
problema de regresie, puteți alege o metrică de eroare, cum ar fi eroarea pătratică medie; în cazul unei
clustering problem, you may measure the goodness of a solution in terms of intra-cluster and inter-
cluster distances.
În raportul tău, explică pe scurt de ce consideri că metricul/metricii ales/aleși este/sunt aplicabil/e.
Nu-ți face griji dacă nu știi destul pentru a aborda acest lucru la început - pe măsură ce continui cu
proiect, vei putea să îți perfecționezi așteptările și să estimezi mai bine. Dar începând cu un scop în
mintea este infinit mai bună decât a începe fără niciuna!
Analyze the problem
Ca prim pas pentru a rezolva problema ta, trebuie să o înțelegi mai bine. Dacă ai un set de date pentru
colaborează, aplică tehnici de Analiză Exploratorie a Datelor pentru a obține unele informații.
Care este dimensiunea setului tău de date?
Câte caracteristici sunt prezente?
Compute some basic statistics on the different data elements, e.g. mean, variance, min/max.
Ce caracteristici par cele mai promițătoare?
Există variabile categorice care ar putea necesita conversie?
Acum încearcă să te gândești care algoritmi de învățare automată ar fi cei mai aplicabili pentru rezolvarea
problemă.
Which ones would you expect to perform well?
Cât de ușor este să transformi datele disponibile într-o formă adecvată?
Implementaț i o soluț ie
Now that you understand the problem better, you are ready to apply your chosen machine learning
tehnică(ile) și găsiți o soluție.
Creează-ți soluția folosind o bibliotecă existentă (cum ar fi scikit-learn) sau dezvoltându-ți propria soluție
implementare. Țineți cont că, pentru o provocare din lumea reală, o implementare existentă poate să nu
funcționează bine din cutie. Este posibil să fie nevoie să ajustezi parametrii și să transformi intrarea pentru a obține
rezultate mai bune.
What pre-processing operations do you have to carry out on the features? (e.g. scaling,
normalizare, selecție, transformare
Există puncte de date incomplete sau valori aberante cu care trebuie să te descurci?
Odată ce ai o soluție inițială, încearcă să evaluezi cât de bine funcționează.
Folosind metricile pe care le-ai definit mai devreme, măsoară-ți performanța actuală. Este aproape de ceea ce
te așteptai?
Există vreo metrică mai bună pe care o poți propune?
Nu ezita să îți revizuiești descrierile problemei și soluției conform celor învățate până acum.
Îmbunătăț eș te-ț i soluț ia
Iterate on your solution to make it as good as you can.
Pentru fiecare versiune a soluției tale, urmărește ce modificări faci și cum te afectează acestea
performanță.
Devine vreodată mai rău? Dacă da, notează și află de ce.
Soluția ta finală poate fi sau nu exact așa cum ai planificat inițial. Dar este în regulă!
Raportați cum a evoluat proiectul dvs. și ce modificări ați adus specificațiilor dvs. (dacă este cazul).
Cum a fost experiența ta lucrând la acest proiect? Te simți mai încrezător să iei asupra ta
proiecte deschise ca acestea în viitor?
Complete your report
Asigură-te că ai abordat toate componentele rubricii. Poți folosi întrebările în italice ca
linii directoare.
Turn in your project code and a PDF report (3-5 pages), together as a .zip file or as a link to an
repositoriu online.
Evaluare
Your project will be reviewed by a Udacity reviewer against această rubrică. Asigură-te că îl revizuiești
verificați cu atenție înainte de a trimite. Toate criteriile trebuie să "îndeplinească specificațiile" pentru a fi acceptate.
Submisie
Când ești pregătit să îți predai proiectul, întoarce-te laAcasă Udacity, dați click pe Proiectul 5, și noi vom
te voi ghida prin restul procesului de trimitere.
Dacă aveți probleme la trimiterea proiectului dvs. sau doriți să verificați starea acestuia
pentru trimitere, vă rugăm să ne scrieți laproject@[Link] sau vizitați-ne înforumuri de discuție .
Ce urmează?
Veți primi un email imediat ce evaluatorul dumneavoastră va avea feedback pentru dumneavoastră. Între timp, revizuiți-vă
next project and feel free to get started on it or the courses supporting it!