Advanced Visualizations with TensorFlow Data Validation Ulasan

Dave S. · Diulas lebih dari 2 tahun lalu

kishore k. · Diulas lebih dari 2 tahun lalu

done

Kishore K. · Diulas lebih dari 2 tahun lalu

Rupesh P. · Diulas lebih dari 2 tahun lalu

julien P. · Diulas lebih dari 2 tahun lalu

Aljon P. · Diulas lebih dari 2 tahun lalu

Awesome!

Luis Ángel M. · Diulas lebih dari 2 tahun lalu

Manuel P. · Diulas lebih dari 2 tahun lalu

I had to complete the lab locally due to the course being out of date

Matthew V. · Diulas lebih dari 2 tahun lalu

dailin m. · Diulas lebih dari 2 tahun lalu

Fahad A. · Diulas lebih dari 2 tahun lalu

Pritam B. · Diulas lebih dari 2 tahun lalu

great

Snehal C. · Diulas lebih dari 2 tahun lalu

Hugo M. · Diulas lebih dari 2 tahun lalu

Nirmal R. · Diulas lebih dari 2 tahun lalu

Xiaofeng X. · Diulas lebih dari 2 tahun lalu

Rana A. · Diulas lebih dari 2 tahun lalu

Srikeerti V. · Diulas lebih dari 2 tahun lalu

Omar E. · Diulas lebih dari 2 tahun lalu

Laszlo S. · Diulas lebih dari 2 tahun lalu

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. · Diulas lebih dari 2 tahun lalu

Abdul Q. · Diulas lebih dari 2 tahun lalu

maziyar a. · Diulas lebih dari 2 tahun lalu

Wagner S. · Diulas lebih dari 2 tahun lalu

Daniel L. · Diulas lebih dari 2 tahun lalu