系列文章
鐵人賽Day11 - Intro to TensorFlow (1/6)
TensorFlow核心 主旨：了解 TensorFlow 的核心元件和實際操作 TensorFlow 在這個子系列課程，我們將學到： 撰寫惰性求值(Lazy...
鐵人賽Day12 - Intro to TensorFlow (2/6)
TensorFlow API如何運作 主旨：透過實作了解 TensorFlow [GCP Lab實作-6]：撰寫低階的TensorFlow程式 在這個實作中，我...
鐵人賽Day13 - Intro to TensorFlow (3/6)
Estimator API 主旨：了解Estimator API並實際操作 在了解Estimator API的部分，我們將會學到： 用簡單的方式建造可量產的M...
鐵人賽Day14 - Intro to TensorFlow (4/6)
巨大資料集上訓練模型 主旨：了解遇到巨大資料集時如何訓練模型 Dataset API 使用Dataset API可以讓我們在巨大的資料集上做訓練(沒辦法一次讀進...
鐵人賽Day15 - Intro to TensorFlow (5/6)
分散式訓練 主旨：了解何時需要分散式訓練以及如何使用 大量的工作，分散式訓練 現實問題上，我們可能在一台電腦上訓練一個模型要花掉數週，這時候你應該先想到的，便是...
鐵人賽Day16 - Intro to TensorFlow (6/6)
使用GCP訓練、監測和部署ML模型 主旨：了解如何在GCP訓練、監測和部署ML模型 為何要使用 Cloud AI Platform？ 當處理一般的簡單問題，或者...
鐵人賽Day17 - Feature Engineering (1/6)
特徵工程 (Feature Engineering) 主旨：了解特徵工程的領域有哪些 特徵工程常是建構ML專案中，花費最長時間的階段，因為在做特徵工程的時候，需...
鐵人賽Day18 - Feature Engineering (2/6)
前處理和特徵建構 主旨：了解前處理和特徵建構的做法 前處理和特徵建構 在訓練ML模型前，最重要的事就是前處理和特徵建構，特徵建構是在現有的特徵上，轉變萃取出更有...
鐵人賽Day19 - Feature Engineering (3/6)
規模化 Data Pipeline 主旨：了解如何大規模的執行 data pipeline MapReduce 在講到規模化 data pipeline 之前，...
鐵人賽Day20 - Feature Engineering (4/6)
使用 Cloud Dataprep 做資料前處理 主旨：了解如何使用 Cloud Dataprep 做資料前處理 Cloud Dataprep 在訓練ML模型前...