iT邦幫忙

機器學習相關文章
共有 413 則文章

技術 AWS 機器學習的周邊服務

這一篇我們會來介紹在AWS上運行ML時有哪些AWS的服務是來支援我們運行我們的 ML的。 Storage這裡我們會介紹AWS的三種在AWS ML會用到的stro...

技術 AWS 的AI與機器學習服務簡介

本篇我們會學習到AWS針對機器學習(以下簡稱ML)會遇到的不同問題,如影像/聲音的分析,自然語言處理,文字轉成語音(或是反過來),或是建立推薦系統,時間序列預測...

技術 機器學習的設計模式 — 資料的呈現

機器學習(以下簡稱ML)的核心其實就是數學運算,而且只能運算特定類型的資料型式。但是在真實世界中,我們的很多資料是無法能夠立刻丟進去做數學運算的。例如,決策樹(...

技術 使用 TFX、Kubeflow pipeline和 Cloud Build 的 MLOps 架構

此篇主要講述如何使用TXF(TensorFlow Extended) library的ML整體架構,並且在CI/CD還有CT的原則下使用 Cloud Build...

技術 使用機器學習的挑戰

演算法和人類之間的差別在於,如果將相同的資料輸入到演算法中兩次,最後會得到相同的答案,但人類並非如此。 如果歸檔資料是紀錄我們的過去,大數據是同步分析我們的現在...

技術 企業的數位轉型 — Part3 加速的資訊時代

CEO們和其他高階領導者需要比過去更詳細地了解推動當今數位轉型的技術。 這是為什麼呢? 與之前的技術浪潮相比,我們已經看到數位轉型涉及組織如何運作和做什麼的核心...

技術 機器學習模型的量測/監控與故障排除

這一篇我們會將焦點放在機器學習(後面簡稱ML)的概念上。如ML的一些術語與核心概念。ML是一門廣泛的學科在不同的領域在有著不同的應用。在這裡我們是從High L...

技術 部署Google Cloud的機器學習流水線

關於GCP 機器學習(後面會簡稱ML)的pipeline部署分為好幾個階段。從data ingestion/preparation再到根據訓練出來的模型來做da...

技術 2025年重塑WAF解決方案的5大新興趨勢

隨著威脅態勢轉變與新技術崛起,網頁應用程式防火牆(WAF)持續快速演進。面對日益複雜的網頁應用程式攻擊,WAF解決方案正經歷重大變革以提供更佳防護。根據我的研...

技術 每日一篇學習筆記 直到我做完專題 :( [Day42]

最近有點疲乏了 弄一點點就好今天學著把字給切割丟給機器 import jieba #分詞 text = "我星期天早上想去爬山,我是台中人所以想去...

技術 每日一篇學習筆記 直到我做完專題 :( [Day41]

今天稍微學習看看NLP的基礎 甚麼是NLP(自然語言處理)自然語言處理簡單來說就是讓機器讀懂我們所說的話並且生成出語言能跟人類互動 比如說一句話:我打算下週去日...

技術 每日一篇學習筆記 直到我做完專題 :( [Day40]

昨天所做的模型沒辦法成功預測今天嘗試把更多特徵加進來也讓原本兩個判斷改成3個來訓練 import pandas as pd from sklearn.model...

技術 每日一篇學習筆記 直到我做完專題 :( [Day39]

今天來自己重新做一個簡單模型 雖然數據有點太少:l import pandas as pd from sklearn.model_selection impor...

技術 每日一篇學習筆記 直到我做完專題 :( [Day39]

忘記發了 因為報告關係 直接配合gpt實作看看案例 import pandas as pd from sklearn.model_selection impor...

技術 每日一篇學習筆記 直到我做完專題 :( [Day38]

剛好學校的機器學習報告需要自己訓練這一兩天弄一弄 利用上次學習到的觀念還有之前對於pandas操作 將數據整理好 #加載數據 data = pd.read_cs...

技術 每日一篇學習筆記 直到我做完專題 :( [Day37]

今天學一點點機器學習各種名詞解釋 Label(標籤):通常是指我們想要預測的目標 Feature(特徵):數據會有不同的特徵例如面積、地段、屋齡等等都是房屋的特...

鐵人賽 Python DAY 29

技術 [Day28] Python專案 - 人工智能的開端與Python的共舞(1) 機器學習(預測股票、分類男女生)

目標 人工智能的威力相信大家在近期都看到它們在各大領域(藝術、醫學、理工、法律、文學)大殺四方 今天要探討的主題主要是為什麼人工智能跟學習Python息息相關...

鐵人賽 AI/ ML & Data DAY 30

技術 [Day 30] 垃圾郵件分類完整測試結果 - 人工智慧最終篇章

結果展示 我透過GPT替我生成幾封垃圾郵件來做測試,並輸入進我們的程式內。 1. Dear valued customer,You have been sele...

鐵人賽 AI/ ML & Data DAY 29

技術 [Day29] 運用 Naive Bayes 建立垃圾郵件分類模型:從訓練到預測

前言 昨天介紹了一些相關的東西,也把一些基礎的部分完成了,今天就要進入最後的重點,也就是訓練及預測了,廢話不多說,直接來看看程式碼吧~ 訓練功能 這邊主要功能是...

鐵人賽 AI/ ML & Data DAY 28

技術 [Day 28] 利用機器學習打造 SMS 垃圾郵件分類器

垃圾郵件分類實作 前言 看完了一系列的介紹,肯定要自己動手做做,這次我會透過一個簡單的垃圾郵件分類器專案,來實際應用所學的機器學習概念和技巧。我會逐步展示如何使...

鐵人賽 AI/ ML & Data DAY 27

技術 [Day 27] Attention 機制與 Self-Attention 機制的比較與應用

前言 昨天提到了Transformer,也說了他是基於Self-Attention 機制,今天就來談談這個技術又是什麼。在自然語言處理(NLP)及其他序列資料處...

鐵人賽 AI/ ML & Data DAY 26

技術 [Day 26] Transformer:自然語言處理的關鍵技術

Transformer 前言 昨天提到的大型語言模型(LLM)依賴一個非常關鍵的技術架構——Transformer。它在自然語言處理(NLP)領域掀起了革命性的...

鐵人賽 AI/ ML & Data DAY 25

技術 [Day 25] 了解大型語言模型(LLM):變革AI的核心技術

LLM 前言 昨天說到了生成式AI,今天來介紹一個跟他息息相關的重要技術,LLM吧~ LLM是什麼 LLM的全名是Large Language Model,中文...

鐵人賽 AI/ ML & Data DAY 24

技術 [Day 24] 生成式AI的影響與挑戰

生成式AI 前言 鐵人賽文章已經步入尾聲了,前陣子透過一些程式碼的介紹及一些機器學習的概念深度學習的概念來介紹,而今天我們要來介紹人工智慧的另一個分支生成式AI...

鐵人賽 AI/ ML & Data DAY 23

技術 [Day 23] 自然語言處理 NLP

自然語言處理 NLP 前言 其實在寫到今天的文章之前,我對於NLP都只是略有耳聞,但不知道他的細節,但在賽前我在規劃要介紹甚麼的時候,請chatGPT給我一點靈...

鐵人賽 AI/ ML & Data DAY 22

技術 [Day 22] 初見生成對抗網路

生成對抗網路 (GAN) 前言 昨天出現小插曲~ 今天要來介紹生成對抗網路囉~ 什麼是生成對抗網路 首先老樣子,我們先來認識甚麼是生成對抗網路(Generati...

鐵人賽 AI/ ML & Data DAY 21

技術 [Day 21] 數字辨識實戰:使用MNIST模型識別數字

前言 昨天完成了一個基本的訓練,今天當然就要來拿來預測資料啦~~(沒有文章庫存了,好緊張喔,每天都要努力產出文章,還要弄研究所推甄的東西 程式開發及解釋 為了方...

鐵人賽 AI/ ML & Data DAY 20

技術 [Day 20] 深度學習的Hello World!訓練模型並探討過度擬合

前言 在昨天的內容中,我們建立了一個卷積神經網路(CNN),並了解了各層的作用與模型的結構。今天,我們將進一步進行模型的編譯與訓練,並且觀察其性能表現。透過使用...

鐵人賽 AI/ ML & Data DAY 19

技術 [Day19] 打造深度學習的 HELLO WORLD!建構卷積神經網路

前言 昨天已經成功引入資料及了解了激勵函數作用,那我們今天實際來將這些運用進來吧。今天會用到的東西會跟Day15提及的很有相關,所以建議不熟悉的朋友們可以先去看...

鐵人賽 AI/ ML & Data DAY 18

技術 [Day 18] 認識深度學習的Hello World! MNIST訓練資料

前言 在學每一個新的程式語言的時候,相信大家第一個寫的一定都是Hello World!吧,那在深度學習領域中,最經典的就是MNIST手寫辨識了。今天我們會透過t...