Opinie (Advanced Visualizations with TensorFlow Data Validation)

Muhammad I. · Sprawdzono ponad 2 lata temu

Siddhesh N. · Sprawdzono ponad 2 lata temu

Dave S. · Sprawdzono ponad 2 lata temu

kishore k. · Sprawdzono ponad 2 lata temu

done

Kishore K. · Sprawdzono ponad 2 lata temu

Rupesh P. · Sprawdzono ponad 2 lata temu

julien P. · Sprawdzono ponad 2 lata temu

Aljon P. · Sprawdzono ponad 2 lata temu

Awesome!

Luis Ángel M. · Sprawdzono ponad 2 lata temu

Manuel P. · Sprawdzono ponad 2 lata temu

I had to complete the lab locally due to the course being out of date

Matthew V. · Sprawdzono ponad 2 lata temu

dailin m. · Sprawdzono ponad 2 lata temu

Fahad A. · Sprawdzono ponad 2 lata temu

Pritam B. · Sprawdzono ponad 2 lata temu

great

Snehal C. · Sprawdzono ponad 2 lata temu

Hugo M. · Sprawdzono ponad 2 lata temu

Nirmal R. · Sprawdzono ponad 2 lata temu

Xiaofeng X. · Sprawdzono ponad 2 lata temu

Rana A. · Sprawdzono ponad 2 lata temu

Srikeerti V. · Sprawdzono ponad 2 lata temu

Omar E. · Sprawdzono ponad 2 lata temu

Laszlo S. · Sprawdzono ponad 2 lata temu

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. · Sprawdzono ponad 2 lata temu

Abdul Q. · Sprawdzono ponad 2 lata temu