系列文章
【day11】集成式學習 & 使用xgboost過濾垃圾郵件
集成式學習(Ensemble learning) 集成式學習(Ensemble learning)是一種機器學習的學習方式，這種學習方式是將好幾個監督式學習的模...
【day12】預訓練模型訓練 & 應用- 使用OpenCV製作人臉辨識點名系統 (上)
到這邊我相信你已經有機器學習與深度學習的概念了，所以接下來的課程中我會開始來教一些預訓練模型的用法，而這次要做的就是使用OPENCV辨識人臉並成功點名，而我們今...
【day13】預訓練模型訓練 & 應用- 使用OpenCV製作人臉辨識點名系統 (下)
還記得我們在使用LSTM或是CNN時都需要創建Data與Label並花費一些時間訓練我們的神經網路嗎?我相信在訓練神經網路時是會花費相當多的時間的，我們在訓練的...
【day14】預測Hololive七期生的樣貌-生成式對抗網路(Generative Adversarial Network)(上)
生成式對抗網路(Generative Adversarial Network) GAN是一種使用深度學習的模型，GAN在訓練中所做的事情非常簡單，就是利用判別器...
【day15】預測Hololive七期生的樣貌-生成式對抗網路(Generative Adversarial Network)(下)
預測Hololive七期生的樣貌 昨天說到GAN是依靠生成器與辨識器不斷交互訓練的方式來產生圖片，所以我們可以建立一個CNN模型稍加修更一下，就能夠建構一個GA...
【day16】NLP的首選模型Transformer介紹
我們已經在CV(影像辨識)的領域中學習了如何辨識圖像、使用pre-train model以及GAN生成圖像，而我們在NLP中只學會了情緒分析，所以我們這幾天要來...
【day17】假消息辨識-BERT(Bidirectional Encoder Representations from Transformers)(上)
BERT介紹 我們昨天說到了transformers，那今天就來談談transformers中最有名的NLP pre-train model，基於變換器的雙向編...
【day18】假消息辨識-BERT(Bidirectional Encoder Representations from Transformers)(下)
該如何辨識假消息 首先我們要先知道假消息傳播的速度在網路中是相當快速的，所以我們只需要知道瀏覽器的一些演算法，就能透過快速的將自己想要的資訊傳播在網路上，所以我...
【day19】找到文章的重點-T5( Text-To-Text Transfer Transformer)(上)
NLP四大任務 我們在NLP任務當中，可以大致上分為四種: 第一種是分類任務，在分類中資料通常都是文本與相對的label，這類任務會找到文本之間的關係，並通過s...
【day20】找到文章的重點-T5( Text-To-Text Transfer Transformer)(下)
為何要找到文章的重點 現在社會的步調越來越快，資訊增長的速度卻越來越迅速，但我們所能利用的時間越來越稀少，那我們該如何從這些文章中，找到我們想看的呢?答案就是文...