iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 11
0

這章想特別提到的是,
“Machine learning運行的重點,在於模型的“數量”,而不在於模型的“複雜度”
我們有很多的任務想要解決,我們可以用許多machine learning模型來解決所有問題,不過重要的是,我們要快速做實驗,如果實驗的迭代速度越快,我們可以越快的讓實驗失敗,並知道這方法不可行,盡快嘗試下一個方法。
我們有很多樣資料,而很多unstructeral data可以用現有的pretrain model迅速處理,這樣可以加速我們的迭代。依照這樣的策略,我們可以更快的達到我們的目的,用我們谷歌的系統,完全可以幫各位通通包到好,用吧!


乾,差點忘記要po文可是好像快來不及了,只好趕鴨子硬上...


上一篇
Day 10. Training and serving skew
下一篇
Day 12. ML surprise
系列文
Google machine learning cloud 實戰30
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