[Day 19] HW/ SW

第 11 屆 iThome 鐵人賽

DAY 19

AI & Data

跟top kaggler學習如何贏得資料分析競賽系列第 19 篇

11th鐵人賽

madeleine

2019-09-20 23:05:47

1055 瀏覽

分享至

在 HW hardware, SW Software 準備上除了照片/影像要用到好幾G, 其他不會用到太多容量

1. RAM 64G 或 128G

2. 多核 --> 可以加速 training 時間

3. Storage : SSD for images, fast disk

4. Cloud 有幾種選擇, AWS (Amazon), Azure (MSFT), Google Cloud

5. R, Python : NumPy, Pandas, Scikei-learn, matplotlib (註)

6. IDE : IPython with Jupiter node box

7. Special packages : Keras (Neural nets)

8. 外部工具

. Vowpal Wabbit - 大量運算

. Libfm, libffm - 用在 Sparse data 像 CTR cliack through rate prediction

. Rgf - 用在 ensembles

註

**NumPy	Pandas	Scikei-Learn	matplotlib
Linear Algebra	relational	Classic ML algorithn, various classification, regression, clustering algorithm, SVM	plotting library, varierty of visualization

[Day 18] Metrics optimization / 評估指標最佳化 - Classification

[Day 20] Regularization 正規化 - part I

系列文

跟top kaggler學習如何贏得資料分析競賽共 30 篇

RSS系列文訂閱系列文

21 人訂閱

完整目錄

熱門推薦

{{ item.channelVendor }} | {{ item.webinarstarted }} |

直播中

尚未有邦友留言

立即登入留言

參賽組數

902 組

團體組數

37 組

累計文章數

19776 篇

完賽人數

529 人

15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 17th鐵人賽 12th鐵人賽 11th鐵人賽鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# linux windows server css react

IT邦幫忙

跟top kaggler學習如何贏得資料分析競賽 系列 第 19 篇

[Day 19] HW/ SW

在 HW hardware, SW Software 準備上除了照片/影像要用到好幾G, 其他不會用到太多容量

1. RAM 64G 或 128G

2. 多核 --> 可以加速 training 時間

3. Storage : SSD for images, fast disk

4. Cloud 有幾種選擇, AWS (Amazon), Azure (MSFT), Google Cloud

5. R, Python : NumPy, Pandas, Scikei-learn, matplotlib (註)

6. IDE : IPython with Jupiter node box

7. Special packages : Keras (Neural nets)

8. 外部工具

. Vowpal Wabbit - 大量運算

. Libfm, libffm - 用在 Sparse data 像 CTR cliack through rate prediction

. Rgf - 用在 ensembles

註

尚未有邦友留言

標記使用者

跟top kaggler學習如何贏得資料分析競賽系列第 19 篇