iT邦幫忙

#machine learning相關文章
共有 36 則文章
鐵人賽 AI & Data DAY 21

技術 機器學習 挑戰 - Day 0

在最後的10天,我想挑戰一下實踐maching learning。 Project: 打造一個可以幫助預測股票走向的model 如果時間允許的話,我也想能夠根據...

鐵人賽 AI & Data DAY 12
語言學與NLP 系列 第 12

技術 Day 12 模型表現判斷、分析與 Random Forest

還記得上一篇教了大家該如何簡單的用決策樹模型來進行分類任務嗎?這篇要來簡單的語大家講解如何判斷模型的表現與 Performance Metrics 裡面各個數值...

鐵人賽 自我挑戰組 DAY 20

技術 Day 20: Convolutional Neural Networks — 卷積神經網路初探(上)

卷積神經網路 Convolutional Neural Networks 卷積神經網路(CNN)又被稱為 CNNs 或 ConvNets,它是目前深度神經網路(...

鐵人賽 自我挑戰組 DAY 16

技術 Day 16: 人工神經網路初探 損失函數(上)

損失函數 Loss function 損失/誤差函數(loss function)又叫做代價函數(cost function),是用來評估模型的預測值與真實值不...

技術 Rapid Prototyping for Product Development

Did you have a brilliant concept for a product but were left to wonder whether i...

鐵人賽 自我挑戰組 DAY 12

技術 Day 12: 人工神經網路初探 深度學習

深度學習 深度學習是多層人工精神網路或多層感知器的另一種稱呼,還有多種不同型態的深度學習系統,根據神經網路的根基以及運作準則。如: 前饋神經網路(feed-f...

鐵人賽 自我挑戰組 DAY 9

技術 Day 09: 機器學習你知多少?

人工智慧? 機器學習? 深度學習? 剛踏入機器學習的學生自然會對這些專有名詞感到相當模糊,我們就先來看看這張圖吧! 人工智慧vs機器學習 人工智慧是可說是一種...

技術 [Day29] 機器學習實務——資料科學家的一天

剩下最後的兩天,Google Machine Learning的學習之旅即將結束了,我想要分享特別一點的內容 資料科學家——21 世紀最性感的工作 隨著大數據...

技術 [Day28] 認識隨機森林與梯度提升機

前一天我們介紹了損失函數,今天來介紹隨機森林與梯度提升機。 前面介紹了線性和羅吉斯兩種機器學習常見的模型,今天要再教大家隨機森林和梯度提升機兩種,其中梯度提升機...

技術 [Day27] 認識損失函數

前一天我們介紹了Python在建立機器學習模型與超參數的技巧,今天來介紹損失函數。 前面已經介紹完模型的模型的優化器與超參數,再來我們要看說模型訓練完之後成效到...

技術 [Day26] Python在建立機器學習模型與超參數的技巧

前一天我們介紹了機器學習的模型與優化器,今天來介紹Python在建立機器學習模型與超參數的技巧。 建立模型 在 Scikit-learn 中,建立一個機器學習的...

技術 [Day25] 認識常見的機器學習模型與優化器

前一天我們介紹了迴歸與分類問題,今天來介紹機器學習的模型與優化器。 Defining ML Models 課程當中講述了接下來會介紹的幾個重點,有機器學習模型定...

技術 [Day24] 認識迴歸與分類問題

前一天我們介紹了監督式與非監督式學習,今天來介紹迴歸與分類問題。 Regression and Classification 講師接續上一堂課程的餐廳帳單例子來...

技術 [Day23] 認識監督式與非監督式學習

前一天我們介紹了Cloud Speech API和Translation and NL,今天來介紹監督式與非監督式學習 第一堂課程完成 前面我們花了好幾天的時間...

技術 [Day22] GCP當中好用的API:Cloud Speech API與Translation and NL

前一天我們介紹了Cloud Vision API和Video intelligence API,今天來介紹Cloud Speech API和Translatio...

技術 [Day21] GCP當中好用的API:Cloud Vision API與Video intelligence API

前一天我們介紹了如果說沒有機器學習該怎麼解決問題,今天來介紹Cloud Vision API和Video intelligence API Cloud Visi...

技術 [Day20] 如果今天沒有機器學習該怎麼辦?

前一天我們把Cloud Datalab服務介紹完,今天來介紹如果說沒有機器學習該怎麼解決問題? ML, not rules 講師介紹如果說在沒有機器學習的情況下...

技術 [Day19] 研究Google Cloud Datalab服務

昨天我們把機器學習的模型誤差討論完,今天來介紹Cloud Datalab服務。 Cloud Datalab 目前有許多人在寫Python程式時不是使用Pytho...

技術 [Day18] 深入探討機器學習模型-評估指標

昨天介紹了機器學習模型的偏差,今天我們繼續就同樣議題深入探討。 Statistical Measurements and acceptable tradeoff...

技術 [Day17] 認識機器學習的誤差

昨天介紹了企業運用推薦系統服務的關鍵與機器學習的秘密,今天來看機器學習模型的偏差。 Machine Learning and Human Bias 講師介紹到機...

技術 【Day16】2rd:特徵十字(Feature Crosses)

用Feature Crosses讓我們的樣本放入十字表格中,讓模型更容易出來。 教學文章:Feature Crosses 根據網路的文章(特徵組合&特...

技術 [Day16] 企業運用推薦系統服務的關鍵與機器學習的秘密

上次提到機器學習的策略與業界應用,這次我們繼續來看企業運用推薦系統服務的關鍵與機器學習的秘密。 知己又知彼 如果說能做到個性化的服務更是贏得客戶信任的關鍵,就像...

技術 [Day15] 機器學習的策略與業界應用

前面介紹了許多ETL、資料前處理與探索式數據分析的方法,今天讓我們回到課程正軌繼續看機器學習的策略與業界應用 An ML strategy 講師強調,未來還有很...

技術 [Day14] 資料視覺化技巧-matplotlib與Seaborn語法應用

前一天我們討論了資料視覺化的技巧,今天我們來看其他matplotlib語法以及Seaborn用法。 在matplotlib當中除了昨天介紹的plt.plot和p...

技術 [Day13] 認識資料視覺化

前一天我們討論了資料前處理的各個步驟,今天我們來認識資料視覺化。 資料視覺化 資料視覺化(Data Visualization)是指運用視覺的方式呈現數據,有效...

技術 [Day12] Python程式如何做到資料前處理的各個步驟?

前一天介紹了維度表的應用以及有關商業智慧的部分,今天我們來看Python程式如何做到資料前處理的各個步驟。 資料前處理步驟: 1.觀看資料特徵,是數值型特徵還是...

技術 [Day11] 你了解你在做機器學習時的資料嗎?資料倉儲與商業智慧應用(6/6)

前一天介紹了ETL架構的子系統與與資料品質的衡量,今天我們來看資料倉儲有關商業智慧應用的部分。 注意! 接下來文章當中所提到的商業智慧應用是一種構建完成資料倉儲...

技術 [Day10] 你了解你在做機器學習時的資料嗎?ETL架構的子系統與與資料品質的衡量(5/6)

前一天把維度模型部分都將介紹完,今天我們來討論ETL架構的子系統與與資料品質的衡量。 34個ETL的子系統: Extract:1-3Clean & Co...

技術 [Day09] 你了解你在做機器學習時的資料嗎?建立維度模型好比經營餐館一樣?(4/6)

前一天介紹了維度模型,今天就維度模型部分繼續做補充。 企業要做DW/BI時規模非常龐大,會有70%時間精力花在DW/BI環境,需要要先挑最重要的一、兩個議題做,...

技術 [Day08] 你了解你在做機器學習時的資料嗎?深入探討維度模型(3/6)

前一天介紹了資料庫與資料倉儲的差別,今天我們來討論構建資料倉儲的維度模型。 Dimensional Modeling維度建模 以維度建模弄出來的東西就是Dim...