အမျိုးအစားခွဲခြားခြင်းဟူသည် အဘယ်နည်း။
စက်သင်ယူမှု၏ ဆက်စပ်မှုတွင် အမျိုးအစားခွဲခြားသတ်မှတ်ခြင်းသည် ပေးထားသော ထည့်သွင်းဒေတာအချက်၏ အမျိုးအစား သို့မဟုတ် အတန်းကို ခန့်မှန်းရန် လေ့ကျင့်ထားသည့် မော်ဒယ်တစ်ခုဖြစ်သည်။ ၎င်းသည် မမြင်ရသောဒေတာအတွက် ခန့်မှန်းချက်များကိုပြုလုပ်ရန် အညွှန်းတပ်ထားသောလေ့ကျင့်ရေးဒေတာမှ algorithm သည် ကြီးကြပ်သင်ကြားမှုတွင် အခြေခံသဘောတရားတစ်ခုဖြစ်သည်။ Classifiers များကို အမျိုးမျိုးသော application များတွင် ကျယ်ကျယ်ပြန့်ပြန့် အသုံးပြုကြသည်။
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, စက်သင်ကြားရေးပထမအဆင့်, စကေးမှာ serverless ဟောကိန်းများ
TensorBoard ကို အွန်လိုင်းမှာ သုံးလို့ရပါသလား။
ဟုတ်တယ်၊ စက်သင်ယူမှုမော်ဒယ်တွေကို မြင်ယောင်ဖို့အတွက် TensorBoard အွန်လိုင်းကို သုံးနိုင်ပါတယ်။ TensorBoard သည် Google မှ ဖန်တီးထားသော နာမည်ကြီး open-source machine learning framework တစ်ခုဖြစ်သည့် TensorFlow ပါ၀င်သည့် အစွမ်းထက်သော ပုံရိပ်ယောင်တူးလ်တစ်ခုဖြစ်သည်။ ၎င်းသည် မော်ဒယ်ဂရပ်များ၊ လေ့ကျင့်ရေးမက်ထရစ်များနှင့် မြှပ်နှံမှုများကဲ့သို့သော သင့်စက်သင်ယူမှုမော်ဒယ်များ၏ ရှုထောင့်အမျိုးမျိုးကို ခြေရာခံပြီး မြင်ယောင်နိုင်စေပါသည်။ ဒါတွေကို မြင်ယောင်ကြည့်ခြင်းအားဖြင့်
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, စက်သင်ကြားရေးပထမအဆင့်, မော်ဒယ် visualization များအတွက် Tensor ဘုတ်
လေ့ကျင့်ရေးတွင် စက်မည်မျှအသုံးပြုမည်ကို သတ်မှတ်ရန် ဖြန့်ဝေထားသော ML မော်ဒယ်လေ့ကျင့်မှုကို အသုံးပြုသောအခါ CMLE မော်ဒယ်ဖြန့်ကျက်မှုအတွက် ဖွဲ့စည်းမှုဖိုင်ကို အသုံးပြုနိုင်ပါသလား။
Google Cloud AI Platform တွင် ဖြန့်ဝေထားသော စက်သင်ယူခြင်း (ML) မော်ဒယ်သင်တန်းကို အသုံးပြုသည့်အခါ၊ လေ့ကျင့်ရေးတွင် အသုံးပြုသည့် စက်အရေအတွက်ကို သတ်မှတ်ရန် CMLE (Cloud Machine Learning Engine) မော်ဒယ် ဖြန့်ကျက်မှုအတွက် အမှန်ပင် ဖွဲ့စည်းမှုဖိုင်ကို သင် အမှန်တကယ် အသုံးပြုနိုင်ပါသည်။ သို့သော် အသုံးပြုမည့် စက်အမျိုးအစားကို တိုက်ရိုက်သတ်မှတ်ရန် မဖြစ်နိုင်ပါ။ ၌
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, Cloud AI ပလက်ဖောင်းတွင်စိတ်ကြိုက်ကွန်တိန်နာများပါ ၀ င်သောလေ့ကျင့်မှုပုံစံများ
TFX ရှိ Pusher အစိတ်အပိုင်းအတွက် အသုံးချရန် ပစ်မှတ်များကား အဘယ်နည်း။
TensorFlow Extended (TFX) ရှိ Pusher အစိတ်အပိုင်းသည် TFX ပိုက်လိုင်း၏ အခြေခံအစိတ်အပိုင်းတစ်ခုဖြစ်ပြီး လေ့ကျင့်သင်ကြားထားသော မော်ဒယ်များကို ပစ်မှတ်ပတ်ဝန်းကျင်အမျိုးမျိုးသို့ ဖြန့်ကျက်လုပ်ဆောင်ပေးသည်။ TFX ရှိ Pusher အစိတ်အပိုင်းအတွက် ဖြန့်ကျက်ပစ်မှတ်များသည် ကွဲပြားပြီး လိုက်လျောညီထွေရှိပြီး အသုံးပြုသူများအား ၎င်းတို့၏ သီးခြားလိုအပ်ချက်များပေါ်မူတည်၍ ၎င်းတို့၏မော်ဒယ်များကို မတူညီသောပလပ်ဖောင်းများသို့ ဖြန့်ကျက်ခွင့်ပြုသည်။ ဒီထဲမှာ
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/TFF TensorFlow အခြေခံများ, TensorFlow တိုးချဲ့ထားသော (TFX), ဖြန့်ဝေအပြောင်းအလဲနဲ့နှင့်အစိတ်အပိုင်းများ, စာမေးပွဲသုံးသပ်ချက်
AutoML Translation ဖြင့်လေ့ကျင့်ထားသော စိတ်ကြိုက်ဘာသာပြန်မော်ဒယ်၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် BLEU ရမှတ်ကို မည်သို့အသုံးပြုနိုင်မည်နည်း။
BLEU ရမှတ်သည် စက်ဘာသာပြန်မော်ဒယ်များ၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန်အတွက် တွင်ကျယ်စွာအသုံးပြုသည့် မက်ထရစ်တစ်ခုဖြစ်သည်။ ၎င်းသည် စက်ဖြင့်ထုတ်လုပ်ထားသော ဘာသာပြန်ဆိုချက်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကိုးကားဘာသာပြန်ခြင်းကြား ဆင်တူမှုကို တိုင်းတာသည်။ AutoML Translation ဖြင့်လေ့ကျင့်သင်ကြားထားသော စိတ်ကြိုက်ဘာသာပြန်မော်ဒယ်တစ်ခု၏အခြေအနေတွင်၊ BLEU ရမှတ်သည် အရည်အသွေးနှင့် ထိရောက်မှုဆိုင်ရာ အဖိုးတန်ထိုးထွင်းသိမြင်မှုများကို ပေးစွမ်းနိုင်သည်။
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, AutoML ဘာသာပြန်ခြင်း, စာမေးပွဲသုံးသပ်ချက်
AutoML Translation ဖြင့် စိတ်ကြိုက်ဘာသာပြန်ပုံစံတစ်ခုကို ဖန်တီးရာတွင် ပါဝင်သော အဆင့်များသည် အဘယ်နည်း။
AutoML Translation ဖြင့် စိတ်ကြိုက်ဘာသာပြန်ပုံစံတစ်ခုကို ဖန်တီးခြင်းသည် အသုံးပြုသူများအား ၎င်းတို့၏ဘာသာပြန်လိုအပ်ချက်များနှင့် အထူးအံဝင်ခွင်ကျဖြစ်စေသော မော်ဒယ်တစ်ခုကို လေ့ကျင့်ပေးနိုင်သည့် အဆင့်များစွာ ပါဝင်ပါသည်။ AutoML Translation သည် အရည်အသွေးမြင့် ဘာသာပြန်မော်ဒယ်များ တည်ဆောက်ခြင်း လုပ်ငန်းစဉ်ကို အလိုအလျောက်လုပ်ဆောင်ရန် စက်သင်ယူမှုနည်းပညာများကို အသုံးချသည့် Google Cloud AI Platform မှ ပံ့ပိုးပေးသော အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ဤအဖြေ၊
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, AutoML ဘာသာပြန်ခြင်း, စာမေးပွဲသုံးသပ်ချက်
ဘာသာပြန်ခြင်း API ရှိ အဆင့်မြင့်ဝေါဟာရအင်္ဂါရပ်၏ ရည်ရွယ်ချက်ကား အဘယ်နည်း။
Google Cloud AI Platform ၏ ဘာသာပြန်ခြင်း API ရှိ အဆင့်မြင့်ဝေါဟာရအင်္ဂါရပ်သည် စက်ဘာသာပြန်ဆိုမှုထွက်ရှိမှုများ၏ တိကျမှုနှင့် အရည်အသွေးကို မြှင့်တင်ရန်အတွက် အရေးကြီးသောရည်ရွယ်ချက်တစ်ခုဖြစ်သည်။ ဤအင်္ဂါရပ်သည် အသုံးပြုသူများအား ၎င်းတို့၏ ဒိုမိန်း သို့မဟုတ် လုပ်ငန်းနှင့် သက်ဆိုင်သည့် စိတ်ကြိုက်ဝေါဟာရများကို ပေးစွမ်းနိုင်စေကာ ဘာသာပြန်ပုံစံကို ဤအသုံးအနှုန်းများကို ပိုမိုနားလည်ပြီး ဘာသာပြန်ဆိုနိုင်စေသည်
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, ဘာသာပြန်ချက် API ကို, စာမေးပွဲသုံးသပ်ချက်
အမြဲတမ်းဒစ်တစ်ခုရှိ ပိတ်ဆို့အရွယ်အစားရွေးချယ်မှုသည် မတူညီသောအသုံးပြုမှုကိစ္စများအတွက် ၎င်း၏စွမ်းဆောင်ရည်ကို မည်သို့အကျိုးသက်ရောက်သနည်း။
မြဲမြံသောဒစ်တစ်ခုပေါ်ရှိ ပိတ်ဆို့အရွယ်အစားရွေးချယ်မှုသည် Google Cloud Machine Learning (ML) နှင့် ဒေတာပညာရပ်အတွက် Google Cloud AI Platform ကိုအသုံးပြုသောအခါတွင် Artificial Intelligence (AI) နယ်ပယ်တွင် မတူညီသောအသုံးပြုမှုကိစ္စများအတွက် ၎င်း၏စွမ်းဆောင်ရည်ကို သိသိသာသာအကျိုးသက်ရောက်စေနိုင်သည်။ ဘလောက်အရွယ်အစားသည် ဒေတာများကို သိမ်းဆည်းထားသည့် ပုံသေအရွယ်အစားအပိုင်းများကို ရည်ညွှန်းသည်။
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, ထိရောက်သောဒေတာသိပ္ပံအတွက်မြဲ Disk, စာမေးပွဲသုံးသပ်ချက်
AI Platform Training တွင် AI Platform Optimizer နှင့် HyperTune အကြား ကွာခြားချက်ကား အဘယ်နည်း။
AI Platform Optimizer နှင့် HyperTune တို့သည် စက်သင်ယူမှုမော်ဒယ်များ၏ လေ့ကျင့်မှုကို အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ရန်အတွက် Google Cloud AI Platform မှ ပေးဆောင်ထားသော ထူးခြားသောအင်္ဂါရပ်နှစ်ခုဖြစ်သည်။ မော်ဒယ်စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန် ရည်ရွယ်သော်လည်း ၎င်းတို့၏ ချဉ်းကပ်ပုံနှင့် လုပ်ဆောင်ချက်များမှာ ကွဲပြားသည်။ AI Platform Optimizer သည် အကောင်းဆုံးအစုံကိုရှာဖွေရန် hyperparameter space ကို အလိုအလျောက်စူးစမ်းပေးသည့် အင်္ဂါရပ်တစ်ခုဖြစ်သည်။
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, AI ကိုပလက်ဖောင်း Optimizer, စာမေးပွဲသုံးသပ်ချက်
Pipelines Dashboard UI သည် သင့်ပိုက်လိုင်းများနှင့် လုပ်ဆောင်မှုများ၏ တိုးတက်မှုကို စီမံခန့်ခွဲခြင်းနှင့် ခြေရာခံခြင်းအတွက် အသုံးပြုရလွယ်ကူသော မျက်နှာပြင်ကို မည်သို့ ပံ့ပိုးပေးသနည်း။
Google Cloud AI Platform ရှိ Pipelines Dashboard UI သည် သုံးစွဲသူများအား ၎င်းတို့၏ ပိုက်လိုင်းများနှင့် လည်ပတ်မှုများ၏ တိုးတက်မှုကို စီမံခန့်ခွဲခြင်းနှင့် ခြေရာခံခြင်းအတွက် အသုံးပြုရအဆင်ပြေသည့် မျက်နှာပြင်ကို ပံ့ပိုးပေးပါသည်။ ဤအင်တာဖေ့စ်သည် AI Platform Pipelines များနှင့်အတူ လုပ်ဆောင်သည့်လုပ်ငန်းစဉ်ကို ရိုးရှင်းစေရန် ဒီဇိုင်းထုတ်ထားပြီး အသုံးပြုသူများအား ၎င်းတို့၏ စက်သင်ယူမှုလုပ်ငန်းအသွားအလာများကို ထိထိရောက်ရောက် စောင့်ကြည့်ထိန်းချုပ်နိုင်စေရန် ဒီဇိုင်းထုတ်ထားသည်။ မှတစ်ခုဖြစ်သော
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/GCML Google Cloud Machine Learning, Google Cloud AI ပလက်ဖောင်း, AI ပလက်ဖောင်းပိုက်လိုင်းများတည်ဆောက်ခြင်း, စာမေးပွဲသုံးသပ်ချက်