第 11 屆 iT邦幫忙鐵人賽::用30天向世界宣告，這一年來鋼鐵般的歷練

主題競賽技術推廣專區自我挑戰組

全部 Google Developers Machine Learning 高安全網路環境與資料分享空間面面觀

Google Developers Machine Learning

透視Google Machine Learning的奧秘系列第 30 天

[Day30] 數據分析相關工作之間的差異 & Google Machine Learning鐵人完賽心得

今天是最後一天了，終於可以完賽，回顧這三十天來分享了好多機器學習相關的東西，自己也有許多的收穫，除了分享一下完賽心得，我們今天也來探討一下數據分析相關工作之間的...

芋頭於 2019-10-15 發表｜ 12879 次瀏覽
Google Developers Machine Learning

Machine Learning Day30 系列第 13 天

[Day25] 模型選擇-集成方法

集成方法使⽤不同⽅式，結合多種不同分類器，作為綜合預測的做法。將模型截長補短，也可說是機器學習裡的「多數決」資料面集成使⽤不同訓練資料 + 同一種模...

may1005 於 2019-10-15 發表｜ 4201 次瀏覽
Google Developers Machine Learning

Machine Learning Day30 系列第 13 天

[Day24] 超參數調整

選擇完模型後，接下來要進行「超參數調整」，但是其實對模型的提升有限。何謂超參數 LASSO、Ridge：α 的⼤小決策樹：樹的深度、節點最小樣本數隨機森...

may1005 於 2019-10-15 發表｜ 6281 次瀏覽
Google Developers Machine Learning

ML Study Jam -機器學習系列第 29 天

Day 29 Embeddings (嵌入架構)

Art and Science of Machine Learning Embeddings Embeddings非常廣泛運用於NLP(Natural Lang...

paul_wang 於 2019-10-15 發表｜ 1775 次瀏覽
Google Developers Machine Learning

初心者的GDC攻略系列第 29 天

Day29: 評估 x 指標 x 觀察

評估指標？混淆矩陣？該怎麼決定要收手了？評估指標會根據問題的不同而有不同的答案，通常會反映在損失函數(Loss Function)上。以線性回歸問題來說，MS...

r00t4dog 於 2019-10-15 發表｜ 1243 次瀏覽
Google Developers Machine Learning

Understanding and Applying Machine Learning with Google Cloud Platform 系列第 29 天

Day 29 - Launching into Machine Learning (9)

梯度下降法在上一篇文章當中，我們談到機器學習訓練優化的過程可視為一個不斷地尋找一組能最小化損失函數的模型參數的過程，但是卻尚未解釋我們是如何去尋找那組最適當之...

b469er 於 2019-10-15 發表｜ 1190 次瀏覽

第11屆 iT 邦幫忙鐵人賽協力技術社群

得獎題目

熱門訂閱

熱門文章

主辦單位

合作夥伴

鑽石級

黃金級

個人贊助