系列文章
Day 21：Batch Normalization 筆記整理
前言 當神經網路含很多(Deep)神經層時，常會在其中放置一些 Batch Normalization 層，顧名思義，它應該是作特徵縮放，但是，內部是怎麼運作的...
Day 22：Tensorflow Dataset 相關用法整理
前言 之前的有一些案例程式使用 Tensorflow Dataset，但沒有多作解釋，心中有愧，因此，花了一些時間，整理相關用法如下。 Tensorflow D...
Day 23：Tensorflow 架構與其他模組介紹
前言 由於 Keras 的引進，使得 Tensorflow 架構變得有點疊床架屋，到底要遵從哪一路徑學習，常令初學者感到困擾，因此，對 Tensorflow 其...
Day 24：機器學習永遠不會跟你講錯 -- Keras 除錯技巧
前言 機器學習永遠不會跟你講錯，不管你丟甚麼東西進入訓練流程或預測，它都會給你一個答案，正是所謂的 Garbage In Garbage Out，因此，產生了兩...
Day 25：Keras 自然語言處理(NLP)實作
前言 自然語言處理主要是指文字(Text)相關的應用，例如： 文字分類(Text Classification)：例如情緒分析(Sentiment Analy...
Day 26：Keras 自然語言處理(NLP)應用
前言 前一篇介紹了 RNN 的模型結構，接著我們來測試幾個完整的應用，藉以了解各個環節如何使用 Keras 撰寫，內容包括： 文字分類(Text Classi...
Day 27：使用Keras撰寫 生成式對抗網路(GAN)
前言 近年來，深度偽造(DeepFake)已經造成假影片氾濫，從剛開始的美國總統Obama的談話影片，到最近明星臉全部被套到各式的影片當中，真偽難辨，它根源的技...
Day 28：從直覺的角度初探強化學習
前言 2016年AI圍棋軟體AlphaGo連續擊敗韓國及中國等世界頂尖的好手，使得它背後的演算法 -- 強化學習(Reinforcement Learning)...
Day 29：深究強化學習
前言 前一篇介紹了強化學習初步的概念，並且採隨機策略測試一下，隨機等於沒有策略，這次我們實際擬定一些策略，說明強化學習的真正作法。之後再介紹各種演算法的進化及其...
Day 30：取代資料科學家 -- AutoKeras 入門
前言 AutoML 想要滿足普羅大眾的夢想，不用學習一堆的演算法，只要你指定工作類別，它就幫你找到最佳模型及最佳參數，當然包括預測結果，哇，這麼神，不一探究竟怎...