iT邦幫忙

機器學習相關文章
共有 60 則文章

技術 [Day - 9]機器學習實例2(K-近鄰算法實現手寫體數字識別-1)

問題描述 手寫體數字識別 一樣透過機器學習的步驟 Step 1:數據準備 Scikit-learn自帶數據集 通過sklearn.datasets.load...

技術 [Day 5] 數據的包容性

除了這些技術和業務方面,另一件需要考慮的事情是模型對待用戶的公平性和包容性。 機器學習策略的一個關鍵方面是以包容的方式構建機器學習系統。 因此,在本單元中,我將...

技術 [Day 4] Machine Learning 在商業應用上的發展層次

總結ML中的這五個階段,包括貢獻者,授權,數字化,大數據和機器學習。 其中的變化之一是誰或正在執行該過程。 在個人貢獻者階段到代表團,有著人數上的變化。 後方三...

技術 [Day 3] 什麼是 Machine Learning (下)

將問題以三種不同的方式進行轉換。 首先,將其作為機器學習問題,預測內容,需要什麼數據。 其次,將其視為軟體問題。 預測期間問題的API是什麼?誰將使用該服務?他...

技術 [Day 2] 什麼是 Machine Learning (上)

在 Google,我們在幾乎所有產品中應用機器學習。 我們希望您以Google Cloud為基礎。 很多人可能會與Google服務互動 - 照片,Youtube...

技術 [Day - 2] 機器學習概論(下)

1.機器學習與人工智能 機器學習是人工智能研究發展到一定階段的必然產物 人工智能”推理期”:只要能賦予機器邏輯推理能力,機器就具有智能 人工智能”知識期”:要使...

技術 [Day 1] Machine Learning with TensorFlow 五門課程學習導覽

很幸運近日才剛有了想要一窺機器學習的念頭,就看見鐵人賽的宣傳,約略地看一下介紹,居然也有 Google 所準備的 ML 課程在其中,怎麼想都覺得是很不可多得的學...

技術 [Day - 1] 機器學習概論(上)

1.什麼是機器學習 Arthur Samuel (1959): 一門不需要通過外部程序指示而讓電腦有能力自我學習的學科 Tom Mickell (1997)...

技術 <如何區分 人工智能、機器學習、深度學習 >

在這裡我們簡單介紹一下定義什麼是人工智能、深度學習、以及機器學習。 為了方便初學者理解都用比較易懂的方式做描述。 在這之前,我們必須要先了解程式(Progra...

技術 初探使用 Google 的 Tensorflow 機器學習技術的設計服務平台

本身是 WordPress 愛好者,看到官方推薦這家聲稱使用機器學習的設計平台? 所以花了一天撰寫心篇文章: WordPress 官方推薦 | 免費人工智慧...

技術 中小電商一定要知道的 AI 基本觀念

好像很多中小電商都覺得,「AI 是大平台才會用到,中小電商根本用不到」,我歸納出中小電商不重視 AI 的應用,主要是基於兩個理由: 導入 AI 的應用,需要投...

活動 高通 Qualcomm®台灣創新挑戰賽(QITC)2019 !

https://www.qualcomm.com/innovate-in-taiwan-challenge?utm_source=%E3%80%8A%E6%95...

技術 [筆記]C++ & C#影像處理-機器學習AdaBoost訓練

前言 偵測人臉或物體即將快到尾聲了,希望在12月底能完成相關的實作,也要給自己下一年新的目標,而我最困難的目標大概是英文。 這次要介紹機器學習的AdaBoost...

鐵人賽 影片教學 DAY 24

技術 人工智慧 (2/2)

[Day 24] 人工智慧 3.2:機器學習 (29min) -- 監督式學習 (Supervised Learning) => 分類 (Classi...

鐵人賽 自我挑戰組 DAY 14

技術 【Day 14】 利用Keras中的CNN方法 進行數字辨識

大家好,今天跟大家學習 利用Keras中的卷積神經網路(Convolutional Neural Networks,CNN)來進行數字辨識。 謎之聲:說好的AS...

鐵人賽 AI & Data DAY 23

技術 24 Recurrent neural network

接續上一篇。 Recurrent neural network 那大家所熟知的 RNN 是怎麼回事呢?我們把假設改了一下: 狀態都是 連續 的。 時間是離散的...

鐵人賽 AI & Data DAY 22

技術 23 Markov chain 及 HMM

上次我們講完在空間上,我們可以知道資料的區域性,並且利用 convolution 來萃取特徵。 這次我們來講時間,其實不一定要是"時間"序列...

鐵人賽 AI & Data DAY 17

技術 18 Multi-layer preceptron

我們來更具體一點講 multi-layer perceptron (MLP)。 最簡單的版本莫過於 linear MLP,不過不太會有人去用他,其實只是每層 l...

鐵人賽 AI & Data DAY 16

技術 17 Autoencoder

既然前一篇提到學習特徵是一件重要的事,那麼我們就來講講 autoencoder 吧! Autoencoder 就是一個 unsupervised 方法,試圖學習...

鐵人賽 AI & Data DAY 15

技術 16 深度學習其實是一種 Representation learning

機器學習的技術已經發展了非常久的時間,我們有非常多的模型可以幫我們做預測,包含像是 regression、classification、clustering、s...

鐵人賽 AI & Data DAY 14

技術 15 為什麼要深?

接著我們就來到了蠻重要的問題,既然一個 hidden layer 的網路架構就可以逼近任何連續函數,那麼為什麼要深度學習? 對於這個問題,台大李宏毅老師有非常詳...

鐵人賽 AI & Data DAY 13

技術 14 淺層神經網路

為什麼大家到現在都這麼迷神經網路模型? 我想主因不是因為他是模擬生物而來,他有一些更扎實的數學特性。 我們前面講過各種線性模型,然後將他過渡到神經網路。 今天要...

鐵人賽 AI & Data DAY 12

技術 13 Kernel SVM 與 RBF network

我們前面介紹了線性模型跟基本的神經網路模型。 可能有的人會覺得我怎麼不放神經網路的圖,看數學式子看的很痛苦。 是的,我的確沒打算放圖。一來神經網路的圖在各大網站...

鐵人賽 AI & Data DAY 11

技術 12 從線性模型到神經網路

我們把線性模型們都大統一了。 接下來就要進入到令人興奮的神經網路模型了! 首先,我們先來介紹著名的感知器...嗯...前面不是介紹過了? 喔喔!對喔!他長這個...

鐵人賽 AI & Data DAY 10

技術 11 廣義線性模型

我們前面探討了不同的資料型態可以對應不同的迴歸模型。 不覺得每個迴歸模型都有那麼點相似的地方嗎? 線性迴歸: 羅吉斯迴歸: Poisson 迴歸: 在右手...

鐵人賽 AI & Data DAY 9

技術 10 從線性迴歸到 Poisson 迴歸

上次我們講完了線性迴歸跟羅吉斯迴歸的差異。 可是並不是每一種資料都是連續型的或是類別型的。 這次要來介紹 Poisson 迴歸,當你要預測的是計數型資料(cou...

鐵人賽 AI & Data DAY 8

技術 09 從線性迴歸到羅吉斯迴歸

我們從前面的模型演化可以了解一個機器學習模型可以怎麼樣衍生出其他的變體來解決問題。 現在我們要切換到另外一條跑道上,我們一樣是從線性迴歸模型出發,我們或許可以換...

鐵人賽 AI & Data DAY 7

技術 08 l2-regularized 線性模型

我們來回顧一下 SVM 模型。 他可以被進一步轉成 在 SVM 的陳述當中,有沒有發現 這部份看起來跟 regularization 一樣。後半部份...

鐵人賽 AI & Data DAY 6

技術 07 標準 SVM

雖然標題是說"標準" SVM,不過模型這種東西從來就沒有什麼標準,有的不過是變體。 所以這篇是要跟大家總結一下我們一般在用的 SVM 模型的...

鐵人賽 AI & Data DAY 5

技術 06 從 hard-margin SVM 到 soft-margin SVM

從前面的 kernel SVM 當中我們已經獲得了很強大的模型,可是他還是會有不足之處,像是當資料有雜訊的時候就容易將每個資料點都個別分開。 有時候我們反而希望...