系列文章
鐵人賽Day1 - 簡介
前景提要 這次由 Google Developers 所舉辦的 ML Study Jam 課程，我自己是第二次參加。第一次是較為初階的課程關於 Google 的...
鐵人賽Day2 - How Google does Machine Learning (1/5)
專項課程簡介 主旨：簡介使用ML在商用化的方式 Machine Learning (ML) 步驟 (1) 確定ML的策略：為何需要使用ML？整個應用的大方向是？...
鐵人賽Day3 - How Google does Machine Learning (2/5)
AI-first ? 主旨：了解 Google 所謂的 AI-first 策略是什麼意義 AI與ML的差異 AI是一個學門：AI是在研究如何建構一個機器，讓...
鐵人賽Day4 - How Google does Machine Learning (3/5)
Google如何使用ML？ 主旨：了解 Google 在使用ML商用化的經驗與知識 建構ML產品的重點 在建構一個ML產品時，大概可以分成五個部分： 定義KP...
鐵人賽Day5 - How Google does Machine Learning (4/5)
Google Cloud Platform 主旨：介紹雲端開發環境，Google Cloud Platform Cloud工作的優點 傳統工作模式通常是每個人都...
鐵人賽Day6 - How Google does Machine Learning (5/5)
Cloud Datalab 主旨：介紹雲端開發環境，Cloud Datalab 今天將會講到2個Lab，分別是： 使用Datalab 和 BigQuery來分...
鐵人賽Day7 - Launching into Machine Learning (1/4)
進入 Machine Learning 主旨：了解在ML中所會提到的術語以及重要知識 ML中的重要概念 在這個子系列課程，進入ML中，我們將會學到： 不同種類...
鐵人賽Day8 - Launching into Machine Learning (2/4)
模型優化(Optimization) 主旨：了解模型是怎麼優化的 模型優化的重要概念 今天的學習模型優化的目標有： 使用損失函數(Loss function)...
鐵人賽Day9 - Launching into Machine Learning (3/4)
泛化和取樣(Generalization and Sampling) 主旨：了解泛化和取樣的重要 泛化 如果一個迴歸模型的RMSE是0，這麼“準”的模型會是好的...
鐵人賽Day10 - Launching into Machine Learning (4/4)
探索和創造ML資料集 主旨：了解資料的探索和分割 [GCP Lab實作-5]：探索和創造ML資料集 在這個實作中，我們可以學到： 使用 BigQuery 探索...