選手列表
一個打算在一個月內修完吳恩達教授在 Coursera 上的 DeepLearning specialization (Course 4: Convolution Neural Network / Course 5: Sequence Models)的瘋狂行程,並使用 Tensorflow 建立視覺與自然語言常用的模型(讀者請注意,請不要輕易嘗試這個瘋狂課程表,因為筆者已經事先聽過大部分的 lectures 了,而且曾修過相關主題的課程,並且是 tensorflow 幼幼班使用者)。
網路、財經節目上一堆股市的技術分析、籌碼分析指標,到底這些指標能否經得起時間考驗。 當機器學習用於選股,是否總是把無效巧合的指標組合成驚人的獲利模型,造成過度優化而無效,要如何真正找到有效的選股模式?
統計學是挑戰神的學問,愛因斯坦說過上帝不擲骰子。 如要我詮釋愛因斯坦這句話,人開一間店,不會什麼事前功課都不做就憑運氣開,我相信他會努力,不!他"必須"努力的去蒐集資料,把隨機因素降到最低才行。上帝擲骰子嗎?可能吧上帝可能擲,但它擲的非隨機的骰子,擲出去的那瞬間他就已經知道結果了。 在學生時代曾用計程車司機的各種變數進行資料採礦(營運時間、車況、正/兼職、車隊、平常愛聽的電台、空繞機率等等)找出計程車司機最能賺錢的方法。當年是用"weka(懷卡托智能分析系統)"這個軟體完成預測的。 本篇文章主旨在使用R語言進行預測、採礦,訓練資料做大數據的分析,告訴我最有利的決策因素!
從研究不同資料視覺化工具後選擇Redash的原因, 到安裝環境、實踐視覺化過程以及開發中遇到的經驗分享
在現今電腦的運算能力已經達到頂峰,一個圖靈完全的運算機器有與人類語言同等的表達能力。我們還追求什麼呢?我們追求的是更為細緻的生活、更為精準的預測,如此一來,建立預測模型成為了首要任務。本系列文章將會帶大家探索模型的世界,我們會從傳統的機器學習模型出發,說明模型中每個部件的關係,比較不同模型之間的差異,一路往深度學習模型邁進,你會看到模型不斷進化的歷程。
ai.google 是Google今年推出的AI教學平台,上面有各式各樣的AI、ML topic,「跟著Google學ML」就是跟著其中"Machine Learning Crash Course"這個topic,一步一腳印踏入machine learning的國度。
寫程式講究踏實與深度理解後的融會貫通,本系列文預計分成兩個主要部分: 1. 清楚定位專有名詞:什麼是Data Mining?什麼是Big Data?本系列文不再隨波逐流,將以一道【蘿蔔排骨湯】作為輔助譬喻,清楚說明資料處理的所有步驟,盼能將所有相關專有名詞,分門別類並歸納收斂至一個大家能接受的解釋與說法。更期待未來若有教程,能以此為起點。 2. 以SQL迴圈製作購物籃分析統計資料:首先期許自己以更零距離的方式,教會大家寫SQL迴圈。其次,市面執行購物籃分析,通常已有套件可直接使用;此部分將一步一腳印,以原理說明如何mining出這些數據。往後若尚有空檔,將執行文字雲的底階資料實作。