iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 1
1
Google Developers Machine Learning

成為機器學習的王者系列 第 1

Day1 踏入Machine Learning的世界+30天的規劃

  • 分享至 

  • xImage
  •  

機器學習是什麼?

機器學習(ML)簡單來說

「透過從過往的資料中學習,並且找出其規則,最後預測出未來的結果。」

以生活經驗舉例:

在上學的路途,可能會因為修路、活動封路等原因需要換成其他路線,這時候你的腦袋就會記得這些經驗,蒐集到夠多的資料後,你就會開始評斷,哪一條路線等待的紅綠燈最少、哪一條路線的路最平整(沒有坑坑洞洞)、哪一條路線最寬廣最不會塞車,最後預測出行使該路途的時間,當然你會選擇時間、成本花費最少的路線,可以參照下圖。

https://ithelp.ithome.com.tw/upload/images/20190916/20107244KwCgqUyZK6.png


今天開賽的第一天,常言到,好的開始是成功的一半XD
以下規劃了30天大致要分享的內容/images/emoticon/emoticon07.gif

目錄

一、 機器學習相關概念

1. 機器學習介紹

  1. 特徵工程
  2. 交叉驗證

2. 機器學習評估相指標:

  1. 混淆矩陣
  2. 評估曲線
  3. F1 Score
  4. MAP等等

3. 機器學習演算法介紹:

  1. 迴歸演算法:Linear Regression、Logistic
  2. 分類演算法:決策樹、隨機森林、支持向量機、貝式分類器
  3. 分群演算法:K-means、DBSCAN、hierarchical clustering

二、 深度學習相關概念

1. 深度學習介紹

2. 深度學習框架:

  1. pytorch
  2. tensorflow
  3. caffe

3. 自然語言處理NLP介紹及應用

三、Google Machine Learning服務

1. AutoML

2. Cloud ML Engine

3. ML API


學習資源

  1. Google Developers Machine Learning

https://developers.google.com/machine-learning/crash-course/descending-into-ml/linear-regression

2.Tensorflow之外的好選擇-Kears Caffe SK-Learn 機器學習實作 阿布、胥嘉幸 編著

3.初探機器學習演算法 Giuseppe Bonaccorso 著


本日心得

開賽的第一天,期許自己可以努力30天完成到最後,去年小妹可是有拿到鐵人練成獎呢~
最近修了碩一多變量分析,對於做資料分析上來蠻有用的,大家可以參考看看。
但是要有一點線性代數以及統計學的觀念。


下一篇
Day2 機器學習介紹
系列文
成為機器學習的王者7
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言