Visualisations avancées avec TensorFlow Data Validation avis

Siddhesh N. · Examiné il y a plus de 2 ans

Dave S. · Examiné il y a plus de 2 ans

kishore k. · Examiné il y a plus de 2 ans

done

Kishore K. · Examiné il y a plus de 2 ans

Rupesh P. · Examiné il y a plus de 2 ans

julien P. · Examiné il y a plus de 2 ans

Aljon P. · Examiné il y a plus de 2 ans

Awesome!

Luis Ángel M. · Examiné il y a plus de 2 ans

Manuel P. · Examiné il y a plus de 2 ans

I had to complete the lab locally due to the course being out of date

Matthew V. · Examiné il y a plus de 2 ans

dailin m. · Examiné il y a plus de 2 ans

Fahad A. · Examiné il y a plus de 2 ans

Pritam B. · Examiné il y a plus de 2 ans

great

Snehal C. · Examiné il y a plus de 2 ans

Hugo M. · Examiné il y a plus de 2 ans

Nirmal R. · Examiné il y a plus de 2 ans

Xiaofeng X. · Examiné il y a plus de 2 ans

Rana A. · Examiné il y a plus de 2 ans

Srikeerti V. · Examiné il y a plus de 2 ans

Omar E. · Examiné il y a plus de 2 ans

Laszlo S. · Examiné il y a plus de 2 ans

This comment in the notebook is not consistent with the "serving data": "We also have an INT value in our trip seconds, where our schema expected a FLOAT. By making us aware of that difference, TFDV helps uncover inconsistencies in the way the data is generated for training and serving. It's very easy to be unaware of problems like that until model performance suffers, sometimes catastrophically. It may or may not be a significant issue, but in any case this should be cause for further investigation. In this case, we can safely convert INT values to FLOATs, so we want to tell TFDV to use our schema to infer the type. Let's do that now." Actually no anomly is detected for "trip seconds" feature.

Giovanna S. · Examiné il y a plus de 2 ans

Abdul Q. · Examiné il y a plus de 2 ans

maziyar a. · Examiné il y a plus de 2 ans