系列文章
鐵人賽Day21 - Feature Engineering (5/6)
特徵組合 (Feature Crosses) 主旨：了解特徵組合的目的與做法 在這個主題，我們將會學到： 體會特徵組合是一種強大的方式可以幫助機器學習 在 T...
鐵人賽Day22 - Feature Engineering (6/6)
TensorFlow Transform 主旨：了解如何使用 tf.transform 來實作特徵處理和特徵建立 TensorFlow Transform tf...
鐵人賽Day23 - Art and Science of Machine Learning (1/6)
The art of ML 主旨：了解ML裡面的藝術如正規化、學習率和批次大小 在這個子課程中我們將學會： 泛化模型 調整學習率和批次大小已達到更好的模型表現...
鐵人賽Day24 - Art and Science of Machine Learning (2/6)
超參數的調整 主旨：了解超參數與如何調整其值 今天我們將會講到： 參數與超參數之間的差別 網格搜索(grid search)之外的方法 利用 Cloud ML...
鐵人賽Day25 - Art and Science of Machine Learning (3/6)
正規化和邏輯迴歸 主旨：深入了解正規化和邏輯迴歸 正規化(Regularization) 之前我們討論到正規化的時候，大概提到了 L1 norm 和 L2 no...
鐵人賽Day26 - Art and Science of Machine Learning (4/6)
神經網路 主旨：了解和訓練神經網路 今天我們將學到： 如何有效地訓練神經網路 多分類的神經網路 神經網路簡介 考慮下面複雜的資料分布，縱使我們前面有提到特徵...
鐵人賽Day27 - Art and Science of Machine Learning (5/6)
嵌入(Embedding) 主旨：認識 Embedding 今天我們將會講到： 如何使用 Embedding 處理稀疏的資料 降低資料維度 增加模型泛化能力...
鐵人賽Day28 - Art and Science of Machine Learning (6/6)
客製化 Estimator 主旨：了解如何撰寫客製化 Estimator 今天我們將講到： 撰寫客製化 Estimator 控制 model function...
鐵人賽Day29 - 課程總結
這次 Machine Learning with TensorFlow on Google Cloud Platform 的課程中，如 Day1 提到的，共有...
鐵人賽Day30 - 鐵人賽心得
終於來到了這天，最後一天的鐵人賽啊！一開始被獎品所吸引來參加，沒想到真的開始寫真心覺得不簡單，大坑認定！ 自己轉職到機器學習這個領域也學了兩年多了，一直也希望可...