Create ML Models with BigQuery ML: Challenge Lab recensioni

Maximillian Jonathan P. · Recensione inserita oltre un anno fa

David L. · Recensione inserita oltre un anno fa

Ulu Kagan B. · Recensione inserita oltre un anno fa

Rupali P. · Recensione inserita oltre un anno fa

Siddhartha G. · Recensione inserita oltre un anno fa

Thangaraj S. · Recensione inserita oltre un anno fa

Nigel Malino N. · Recensione inserita oltre un anno fa

Sandy W. · Recensione inserita oltre un anno fa

FRANCISCO JAVIER S. · Recensione inserita oltre un anno fa

Narayana V. · Recensione inserita oltre un anno fa

Andre G. · Recensione inserita oltre un anno fa

Edgar D. · Recensione inserita oltre un anno fa

damien c. · Recensione inserita oltre un anno fa

Patricia M. · Recensione inserita oltre un anno fa

good

Samrat N. · Recensione inserita oltre un anno fa

Caio G. · Recensione inserita oltre un anno fa

Patrick J. · Recensione inserita oltre un anno fa

Srijan M. · Recensione inserita oltre un anno fa

Srijan M. · Recensione inserita oltre un anno fa

Christian O. · Recensione inserita oltre un anno fa

Brian shahputera s. · Recensione inserita oltre un anno fa

I had to use my head a little bit and I got a good feel of how I can use sql(BigQuery) to evaluate ML models on a dataset. I see that it can get very complex very fast. Thanks for keeping it simple. The lab has a nice UI and just the right amount of complexitity to test the system.

웅비 최. · Recensione inserita oltre un anno fa

Kalman T. · Recensione inserita oltre un anno fa

I found Task 4 of this lab to be misleading and frustrating. The instructions explicitly state that I need to "predict the average trip duration for all trips from the busiest bike sharing station in 2019 (based on the number of trips per station in 2019)." Based on these instructions, I wrote queries to: Calculate the busiest station in 2019 based on trip count Use that station to make predictions with the subscriber_type model Filter for Single Trip subscribers and 2019 data Calculate the average predicted duration However, the verification system would only accept a query that used a hardcoded station name '21st & Speedway @PCL', which is never mentioned anywhere in the instructions. This is problematic because: The instructions specifically tell us to base our solution on 2019 trip counts There's no indication we should use a pre-defined station The verification system contradicts the written instructions Students waste time trying to debug technically correct solutions A better approach would be to either: a) Update the instructions to specify using '21st & Speedway @PCL' if that's the required solution b) Or modify the verification system to accept solutions that correctly calculate and use the actual busiest station from 2019 data This discrepancy between instructions and verification criteria creates unnecessary confusion and doesn't reflect real-world data analysis practices where we would actually want to calculate the busiest station rather than assuming it.

Anshul K. · Recensione inserita oltre un anno fa

Boone H. · Recensione inserita oltre un anno fa