iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 16
0
AI & Data

窺探人工智慧與資料科學的面貌系列 第 16

[Day 16] 表徵學習 Representation Learning

  • 分享至 

  • xImage
  •  

上回提到深度學習,其實就是一種表徵學習(Representation Learning)的演算法,今天來簡單介紹一下表徵學習

資料的表示法 Data Representation

在系列文第六天的時候,我有簡單介紹一下資料的表示法,像是圖片、影片、類別資料、音檔及文字等資料,在電腦是怎麼儲存的,然而,這樣的儲存方式是最好的嗎?對電腦而言,資料是否有意義?這其實是未知的。過去就有一些人在研究特徵提取(feature extraction)相關的演算法,可以用矩陣分解的方式,如奇異值分解(Singular Value Decomposition, SVD),或者深度學習其實也是在做類似的事情,想法其實就是把這些資料比較重要的部分,也就是特徵,給提取出來,如此我們就可以用這些特徵去做分析就好,對電腦而言可能會更有意義。

個人認為,表徵學習是人工智慧領域裡最重要的一門學問。


上一篇
[Day 15] 深度學習 Deep Learning
下一篇
[Day 17] 廣義化 Generalization
系列文
窺探人工智慧與資料科學的面貌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