2023 iThome 鐵人賽

2023 iThome 鐵人賽

帶我們前進的是想證明自己的力量

AI & Data

最新文章熱門文章

選手 121 文章 2526

Day 25

2023-10-08

7888

0

30天零基礎學習網路爬蟲系列

Excel內建工具-從Web匯入網頁資料

Excel內建外部資料的匯入功能，讓我們不用撰寫任何VBA的程式碼，就能將網頁的資料匯入Excel工作表中。新版進入Excel空白活頁簿後，在上方的功能區選...

Day 4

2023-09-17

7878

0

揭開黑箱模型：探索可解釋人工智慧系列

[Day 4] LIME vs. SHAP：哪種XAI解釋方法更適合你？

LIME 和 SHAP 都是機器學習中的解釋性方法，它們的共同點是都適用於模型無關性（Model Agnostic），並透過資料來解釋模型的預測結果。如果不想深...

Day 12

2023-09-15

7867

0

生成式AI到底何方神聖？一窺生程式AI的真面目系列

[Day12]：DCGAN原理介紹

前言昨天介紹了一些在生成對抗網路 (GAN)會常遇到的問題，以及可能的解決辦法，要提升GAN的訓練穩定性也有許多方法，例如使用WGAN等。那也因為本系列是圖像...

Day 16

2023-10-01

7812

0

戀 AI ing - 我與機器學習的邂逅系列

【Day 16】參數 vs 超參數

前言在訓練模型時，有時會被一些專有名詞搞混，像一個參數就有分「參數」和「超參數」，今天我們要來搞清楚這兩個名詞的差異啦 ~ 參數 Parameters 在...

團隊最強資工大電神

Day 24

2023-10-07

7675

0

揭開黑箱模型：探索可解釋人工智慧系列

[Day 24] LSTM的可解釋性：從時序資料解析人體姿態預測

在這個系列中，我們已經介紹了深度神經網路中的DNN（深度神經網路）和CNN（卷積神經網路），以及它們如何透過不同的方法進行模型解釋。今天，我們將深入探討如何使用...

Day 16

2023-10-01

7666

0

深度學習概念和應用（PyTorch）系列

DAY16 降採樣downsampling、上採樣upsampling

降採樣downsampling 和池化的作用相似，可以依照對於圖片的期待做出改變，有很多種類可以分為平均、最大值和特定不長卷積等等。假設現在有一個4乘4的圖片，...

熱門文章

熱門系列

鐵人選手

ThisIsFrankTsai

工商時間