嗨嗨大家好,這是我第一次參加鐵人賽,希望能在接下來的這 30 天,將最近遇到的知識,留下學習筆記與大家分享,然後順便練習一下用文章好好描述,不要再只用條列式一條一條列點 👀
目前的整體大方向是以偏向講述分割與分類相關的AI模型
下面是我預想會寫的一些主題:
- 模型的學習方式介紹:了解不同類型的模型是怎麼學習的,像是監督式學習、半監督式學習、非監督式學習等等
- 損失函數介紹:常見的損失函數類型,例如均方誤差(MSE)、交叉熵損失
- 分割分類模型的評估指標:準確度、精確度、召回率、F1-score 等,用來了解模型的表現
- 一些典型的模型架構:包括 UNet、DeepLab、ResNet
- 特徵前處理方法:數據預處理技巧,像是影像擴增、正規化、去雜訊,來提高模型的表現力
- 網路壓縮方法:如何使用網路壓縮方式來減少模型的複雜性,但又不會導致模型的效率降低,包括剪枝、知識蒸餾等技術
- 可視化降維:透過降維技術(PCA和t-SNE)來可視化高維度的數據,來讓我們可以更好理解數據分佈和特徵
- 特徵分析:最後,學習如何對模型進行特徵分析,來了解模型是怎麼進行決策的
結語
好啦,這大概是我摳摳搜搜生出的第一篇文章,希望上面的內容我都可以在這三十天內努力呈現出來,大家明天再會