iT邦幫忙

#mlstudyjam相關文章
共有 30 則文章

技術 【Day 30】 Google ML - 30天內容回顧與課程索引, 參賽心得, 未來計畫與感謝

今天是最後一天了,我們就來稍微回顧一下這30天走過的路, 以及這30天過程中的心得,最後我想說文章的未來計劃與表達感謝。 30天內容回顧與課程索引 在這30天...

技術 【Day 29】 Google ML - Lesson 13 – 以混淆矩陣(confusion matrix)分析ML模型好壞,可評估的三種指標Accuracy, Precision, Recall

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 28】 Google ML - Lesson 12 - 不適當的最小loss, 完美損失函數(loss function)存在嗎?ML模型的性能指標(performance metrics)

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 27】 Google ML - Lesson 11 - 我們應該何時停止ML模型的訓練? 利用驗證資料集, 測試資料集, 交叉驗證(cross-validation) 評估模型訓練結果的好壞

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 26】 Google ML - Lesson 10 - 泛化(Generalization)-檢查ML模型對於未知資料集的預測能力, underfitting與overfitting的問題

前言 (我們今天要先進第四章節囉~) 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍...

技術 【Day 25】 Google ML - Lab 5 - 在視覺化的網頁中觀察神經網路(neural network)如何分類資料, 並比較batch size如何影響gradient descent

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 24】 Google ML - Lab 4 - TensorFlow Playground - 讓我們在視覺化的網頁中體驗一下訓練ML模型吧!learning rate 改變對訓練過程的影響

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 23】 Google ML - Lesson 9 - 加速ML模型訓練的兩大方法(如何設定batch/檢查loss頻率)、batch size, iteration, epoch的概念和比較

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 22】 Google ML - Lesson 8 - 學習速率 (learning rate) 介紹, 透過「learning rate」調整ML模型訓練的學習速度

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 21】 Google ML - Lesson 7 - 梯度下降法 (Gradient Descent)介紹,使用「梯度下降法」決定ML模型中參數修正的「方向」與「步長(step size)」

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 20】 Google ML - Lesson 6 - 使用損失函數(Loss Functions)來評估ML模型的好壞吧! MSE, RMSE, Cross Entropy的計算方法與特性

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 19】 Google ML - Lesson 5 - 接下來幾天作為範例的「訓練資料集介紹」、範例「資料集訓練前分析」(順便補上整個ML訓練流程,作為系列文章中的訓練階段參考)

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 18】 Google ML - Lesson 4 - 什麼是ML模型?訓練的目標? 回歸模型(Regression model), 分類模型(Classification model)的運算

前言 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML模型的輪廓, 然而因為一天能寫的內容量有限,所以我會在前言部分稍微說明我寫到哪。 複習一下ML的...

技術 【Day 17】 Google ML - Lesson 3 - 多維度線性回歸解(N-D Regression), 交叉熵(cross-entropy)與均方差(MSE) 作為誤差函數計算所帶來的不同

今天的內容會很數學......不過我盡量試著用自己的方式講的比較簡單一點了, 裡面附帶一點我自己比較ㄎㄧㄤ的理解方式,但不一定完全正確就是XD, 希望大家能比較...

技術 【Day 16】 Google ML - Lesson 2 - 監督式學習(Supervised Learning)中兩大問題 - Regression & Classification(回歸與分類)

前言 今天我們繼續新課程 Launching into Machine Learning 的第二章~ 這幾天的文章會是一系列的,會需要一起看才比較能看懂整個ML...

技術 【Day 15】 Google ML - Lesson 1 - Supervised Learning 與 Unsupervised Learning 監督式學習與非監督式學習的介紹和比較

前言 今天要來進新課程 Launching into Machine Learning ~ 我們先來介紹一下這課程裡面有哪些章節,這次的課程一共有四章~ Lau...

技術 【Day 14】 Google ML - Lab 3 - Machine Learning APIs - (API實作篇) google圖片辨識, 語音辨識, 語言翻譯, 自然語言辨識(NL)

前言 我們來做 How Google does Machine Learning 的第二個lab~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 13】 Google ML - Lab 2 - Analyzing Data using Datalab and BigQuery - 使用 BigQuery與Datalab視覺化分析資料

前言 我們來做 How Google does Machine Learning 的第二個lab~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 12】 Google ML - Lesson 9 - google圖片辨識(Vision), 影片辨識(Video), 語音辨識, 語言翻譯, 自然語言辨識(NL) API功能總整理

前言 開頭先整理一下今天的內容: 我們今天一共會整理google的5種Cloud API,以下針對類型先做個簡單整理: Google雲端上的API名稱 類...

技術 【Day 11】 Google ML - Lesson 8 - Cloud Shell 的介紹與 google雲的三代變化, 使用ML與一般演算法的比較與優勢

前言 我們繼續 How Google does Machine Learning 的第五章節~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下: 【...

技術 【Day 10】 Google ML - Lab 1 - Rent-a-VM to process earthquake data - 在google雲端上分析地震資料與製圖,並儲存在雲端

前言 今天的內容一開始的幾個part會跟昨天重複(步驟上的相同), 原因是今天整理完之後,覺得把昨天的步驟整理到今天放在一起會比較像一個完整的lab。 而昨天的...

技術 【Day 9】 Google ML - Lab 0 - Intro to Qwiklabs - 每次在google雲端上開始lab前都要的事前準備與注意事項

前言 今天我們繼續 How Google does Machine Learning 的第五章節~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 8】 Google ML - Lesson 7 - 先來初步認識一下google雲端上執行 python notebook (Cloud Datalab) 的環境

前言 今天我們先進入 How Google does Machine Learning 的第五章節,之後再回到第四章~ 這次鐵人賽的30天中,我目前所寫文章的所...

技術 【Day 7】 Google ML - Lesson 6 - How Google does ML (下) - 讓ML在企業運行的五大階段與注意事項

前言 今天來完成 How Google does Machine Learning 第三章節的最後部分~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下...

技術 【Day 6】 Google ML - Lesson 5 - ML會失敗的最常見十大陷阱 與 企業運行ML時,在ML各階段應該放的比重與心力

前言 今天來閱讀 How Google does Machine Learning 的第三章節~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 5】 Google ML - Lesson 4 - What it means to be AI first (下) - ML要成功的秘訣與策略

前言 今天繼續完成 How Google does Machine Learning 的第二章節最後一部分~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄...

技術 【Day 4】 Google ML - Lesson 3 - 我們要怎麼樣設計一個ML問題? 與google提供的一些已訓練好能直接使用的ML模型

前言 今天繼續 How Google does Machine Learning 的第二章節吧~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 3】 Google ML - Lesson 2 - What it means to be AI first (上) - 什麼是ML? 為什麼ML最近才紅起來?

前言 今天就來進入 How Google does Machine Learning 的第二章節吧~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目錄如下:...

技術 【Day 2】 Google ML - Lesson 1 - Introduction to specialization - 讓你的ML在Google雲端平台運行的五大階段

前言 今天就廢話不多說直接來進入 How Google does Machine Learning 的課程吧~ 這次鐵人賽的30天中,我目前所寫文章的所有課程目...

技術 【Day 1】 Google ML - 參賽原因 與 就先從認識 coursera 與訂閱課程開始第一天吧

前言 會有這次作筆記的原因主要是因為 Google Developers Groups Taiwan (以下簡稱 GDG Taiwan) 有推廣他們的課程,其中...