PowerPoint Presentation

Published on Slideshow
Static slideshow
Download PDF version
Download PDF version
Embed video
Share video
Ask about this video

Scene 1 (0s)

Fungsi Objektif. Fungsi Objektif. Kerugian. Penghargaan.

Scene 2 (8s)

[Audio] Semakin rendah fungsi terakhir semakin tinggi tingkat akurasi model. Paling sering kita bekerja dengan fungsi kerugian..

Scene 3 (17s)

[Audio] Semakin rendah fungsi terakhir semakin tinggi tingkat akurasi model. Paling sering kita bekerja dengan fungsi kerugian..

Scene 4 (26s)

[Audio] Semakin tinggi fungsi hadiah, semakin tinggi tingkat akurasi model, biasanya fungsi hadiah digunakan dalam pembelajaran penguatan di mana tujuannya adalah untuk memaksimalkan hasil tertentu..

Scene 5 (40s)

Fungsi objektif adalah ukuran seberapa baik keluaran model kita sesuai dengan target.Target adalah " nilai yang benar " yang menjadi sasaran kita . Pada contoh kucing dan anjing , targetnya adalah "label" yang kita tetapkan pada setiap foto ( baik " kucing " atau " anjing "). Fungsi objektif dapat dibagi menjadi dua jenis : kerugian ( pembelajaran yang diawasi ) dan hadiah ( pembelajaran penguatan ). Kamifokus kami adalah pembelajaran yang diawasi ..

Scene 6 (1m 0s)

Fungsi kerugian umum. L2-norm loss /regression/. Cross-entropy loss /classification/.

Scene 7 (1m 13s)

Fungsi kerugian umum. L2-norm loss /regression/. Cross-entropy loss /classification/.

Scene 8 (1m 47s)

Penurunan Gradien. Bahan terakhir algoritma pengoptimalan . Yang paling umum digunakan adalah gradient descent. Poin utamanya adalah kita dapat menemukan nilai minimum dari sebuah fungsi dengan menerapkan aturan : ??+1 = ?? - ??′(??), di mana ? adalah bilangan positif yang cukup kecil . Dalam pembelajaran mesin , ?, disebut sebagai laju pembelajaran . Dasar pemikirannya adalah turunan pertama di xi, f'(xi) menunjukkan kemiringan fungsi di xi..

Scene 9 (2m 7s)

Penurunan Gradien. Left side. Right side. f( x ).

Scene 10 (2m 38s)

Penurunan Gradien. Left side. Right side. f( x ).

Scene 11 (3m 1s)

Penurunan Gradien. Variabel yang kita variasikan hingga menemukan nilai minimum adalah bobot dan bias. Aturan pembaruan yang tepat adalah.

Scene 12 (3m 14s)

Penurunan Gradien. f( x ). x. A. D. Menemukan minumum dengan cara coba-coba.

Scene 13 (3m 32s)

Scikit Learn vs TensorFlow: Strengths and Weaknesses | Blog | TF Certification.

Scene 14 (3m 40s)

Tensorflow. What Is the Difference Between CPU vs. GPU vs. TPU? (Complete Overview – Premio Inc.

Scene 15 (3m 49s)

Tensorflow. Cpu Logo Vector Images (over 3,400). Gpu - Free computer icons.

Scene 16 (4m 8s)

Tensorflow VS Scikit-learn. Tensorflow Scikit - Learn TensorFlow digunakan dalam proses desain untuk membantu pengembang , serta untuk membandingkan model-model baru Scikit-learn juga digunakan untuk membuat dan membuat tolok ukur model baru , serta untuk mendesain dan membantu para pengembang . Jaringan syaraf digunakan untuk mengoptimalkan TensorFlow. Dengan kerangka kerja lain seperti XGBoost , Scikit-learn lebih fleksibel . TensorFlow adalah pustaka tingkat rendah yang membantu dalam mengimplementasikan teknik dan algoritme pembelajaran mesin . Teknik dan algoritma pembelajaran mesin.Algoritme pembelajaran mesin juga diimplementasikan menggunakan Scikit-learn, sebuah pustaka tingkat tinggi TensorFlow menggunakan kelas dasar untuk mengimplementasikan semua algoritmanya . Semua algoritma Scikit-learn digunakan sebagai estimator dasar . TensorFlow adalah kerangka kerja pembelajaran yang mendalam . Scikit-learn sebagian besar digunakan dalam aplikasi pembelajaran mesin Jaringan saraf digunakan secara tidak langsung oleh TensorFlow. Dalam praktiknya , Scikit-learn digunakan dengan berbagai macam model.

Scene 17 (4m 44s)

GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone.

Scene 18 (4m 54s)

1. o Anaconda Navigator File Help D ANACONDA NAVIGATOR Upgrade Now o Sign in to Anaconda Cloud Refresh x Home Environments Learning Community Documentation Developer alog Applications on CMD.exe Prompt 0.1,1 Run a cmd_exe terminal with your current environment from Navigator activated Launch Qt Console PyQt CUI that supports inline figures, proper multiline editing With syntax highlighting. graphical calltips. end more. Launch Channels lab JupyterLab An extensible environment for interactive and reproducible computing, based on the Jupyter Notebook and Architecture. Launch Spyder Scientific python Development EnviRonment. Powerful Python IDE With advanced editing. interactive testing, debugging and introspection features Launch Jupyter Notebook Web-based, interactive computing notebook environment. Edit and run human-readable docs while describing the data analysis. Launch Gluevlz 1.0.0 Multidimensional data visualization across files. Explore relationships within and among related detesets. Install powershell Prompt Run a Powershell terminal with smur current environment from Navigator activated Launch Orange 3 3 260 Component based data mining Framework. Det. visualization and date analysis For novice and expert, Interactive workflows with large toolbox. Install.

Scene 19 (5m 29s)

2. Klik tab Environment untuk membuat environment baru yang berisi Tensorflow dan klik tombol Create.

Scene 20 (6m 10s)

3. Kemudian akan muncul window baru yang berisi veri Python. Pilihlah veris Python 3.7 dan berikan nama Environment dan Klik Create.

Scene 21 (6m 47s)

4. Setelah proses selesai , maka tampilan akan seperti ini , bisa dilihat terdapat banyak informasi library.

Scene 22 (7m 24s)

5. Pada menu drop down diatas pilihlah menu Not Installed untuk menampilkan library yang belum terinstal.

Scene 23 (7m 51s)

6. Berikutnya klik tombol Update Index untuk memperbarui daftar library. Karena jika belum di Update Index biasanya library Tensorflow tidak ditemukan.

Scene 24 (8m 20s)

7. Pada Search Bar bagian atas ketiklah " Tensorflow " dan akan muncul library yang berkaitan dengan Tensorflow . Pada daftar library centang library Tensorflow dan Keras . Kemudian klik Apply.

Scene 25 (9m 6s)

8. Terakhir akan muncul window baru untuk menginstal library terkait dan klik Apply . Tunggu hingga proses sampai selesai ..

Scene 26 (9m 53s)

Tutorial Cara Menginstall Scikit- Learni Dengan Python.

Scene 27 (10m 1s)

1. Mulai penginstal sebagai mana tradisi instalasi . Tetapi pada bagian Advanced Options pastikan tercentang seperti gambar berikut.

Scene 28 (10m 19s)

2. Tekan tombol Install dan tunggu beberapa menit , tergantung pada kecepatan komputer Anda, agar siap . Di halaman terakhir penginstal , Anda juga harus menekan Disable path length limit :.

Scene 29 (10m 47s)

3. Sekarang , untuk memeriksa apakah Python telah diinstal dengan benar , aplikasi python pada windows. Anda akan melihat sesuatu seperti ini :.

Scene 30 (10m 57s)

4. Sekarang , buka jendela CommadProm ( Window+R , lalu ketik CMD). Lakukan upgrade pip terlebih dulu dengan perintah : python.exe pip install --upgrade pip Gunakan rangkaian perintah berikutnya untuk menginstal NumPy, SciPy, dan Sklearn.

Scene 31 (11m 11s)

5. Setelah setiap perintah di atas, Anda akan melihat Successfully installed.

Scene 32 (12m 2s)

Terima Kasih Karakter Animasi - Gambar vektor gratis di Pixabay.