iT邦幫忙

機器學習相關文章
共有 397 則文章

技術 Day1 參加職訓(機器學習與資料分析工程師培訓班),記錄學習內容(6/30-8/20)

人工智慧與機器學習概論 第一天,早上介紹AI相關的產業,以及目前應用的領域有哪些,例如:AIot智慧物聯網,也補充了一些學習上可以使用的小工具(FastSton...

徵才 【高通宣布第三屆「高通台灣創新競賽」起跑 !】

https://www.bnext.com.tw/article/61060/2021-qualcomm-innovate-in-taiwan-challeng...

技術 深度學習常用程式碼

之前沒整理程式碼的習慣經常想到某些程式碼就要翻以前寫的覺得有點浪費時間 之後有用到就貼上來 慢慢更新然後我會打一些關鍵字方便自己用Ctrl + F 搜尋 #ka...

技術 panel data regression in r

廢話不多說,直接附上code影片含有程式碼詳細解說,若有誤再煩請告知,謝謝 library(plm) data("Produc") pan...

AI 高中生的自我學習 系列 第 2

技術 Day 2 - 機器學習

機器學習的強弱項 強項 速度 記憶 多變數: 人很難掌握三個變數以上的互動關係 多模組 訓練過程 保留頂尖菁英 訓練完成 結合高手團隊 弱項 缺...

鐵人賽 影片教學
全民瘋AI系列 系列 第 31

技術 [全民瘋AI系列] 完賽總結

全民瘋AI系列完賽總結 參加這次的鐵人賽也算是完成我在學習上的一個里程碑!本來還認為寫文章比較耗時(三年前鐵人賽經驗)想說拍攝影片用說得應該比較快,結果...大...

鐵人賽 影片教學 DAY 30
全民瘋AI系列 系列 第 30

技術 [Day 30] 使用TensorFlow.js建置DNN手寫數字辨識分類器

使用TensorFlow.js建置DNN手寫數字辨識分類器 不能觀看的話可以點選連結: https://www.youtube.com/watch?v=u17...

鐵人賽 自我挑戰組 DAY 30

技術 【零基礎成為 AI 解夢大師秘笈】Day30 - Django 整合部署 AI model

AI 解夢最終祕笈 前言 系列文章簡介 大家好,我們是 AI . FREE Team - 人工智慧自由團隊,這一次的鐵人賽,自由團隊將從0到1 手把手教各位讀者...

鐵人賽 影片教學 DAY 28
全民瘋AI系列 系列 第 28

技術 [Day 28] API前後端串接

API前後端串接 今日學習目標 API 前後端串接 建立一個鳶尾花朵分類器的網頁 API URL 採用 Day 26 部署在 Heroku 的 AP...

鐵人賽 影片教學 DAY 27
全民瘋AI系列 系列 第 27

技術 [Day 27] 使用GCP部署機器學習API

使用GCP部署機器學習API 此範例使用鳶尾花朵資料集進行 XGBoost 分類器模型訓練。將模型儲存起來,並使用 Flask 建置 API 介面提供輸入值預...

鐵人賽 影片教學 DAY 26
全民瘋AI系列 系列 第 26

技術 [Day 26] 使用Heroku部署機器學習API

使用 Heroku 部署機器學習 API 今日學習目標 動手部署自己的機器學習 API 使用 Heroku 免費雲端平台部署應用程式 Fork 專案...

鐵人賽 影片教學 DAY 25
全民瘋AI系列 系列 第 25

技術 [Day 25] 使用Python Flask架設API吧!

使用Python Flask架設API吧! 這系列的 AI 文章快進入尾聲了,因此打算利用剩下來時間講解應用端的部分。同時也趁這幾次連假規劃了一些教學,希望接...

鐵人賽 影片教學 DAY 24
全民瘋AI系列 系列 第 24

技術 [Day 24] 儲存訓練好的模型

儲存訓練好的模型 今日學習目標 使用 pickle + gzip 儲存模型 將訓練好的模型打包並儲存 載入儲存的模型 讀取打包好的模型,並預測...

鐵人賽 影片教學 DAY 23
全民瘋AI系列 系列 第 23

技術 [Day 23] 免費雲端 Jupyter Notebook 資源

免費雲端 Jupyter Notebook 資源 今日學習目標 挖掘免費雲端 Jupyter Notebook 資源 Kaggle & Googl...

鐵人賽 影片教學 DAY 22
全民瘋AI系列 系列 第 22

技術 [Day 22] 機器學習模型技巧 Stacking

Stacking 今日學習目標 了解 Stacking 方法 堆疊法的學習機制為何 ? 利用 Stacking 實作分類器 透過 Stacking...

鐵人賽 影片教學 DAY 21
全民瘋AI系列 系列 第 21

技術 [Day 21] XGBoost (迴歸器)

XGBoost (迴歸器) 今日學習目標 了解 XGBoost Regression Boosting vs Decision tree & Ba...

鐵人賽 影片教學 DAY 20
全民瘋AI系列 系列 第 20

技術 [Day 20] XGBoost (分類器)

XGBoost (分類器) 今日學習目標 XGBoost 介紹 XGBoost 是什麼?為什麼它那麼強大? Bagging vs. Boosting...

鐵人賽 影片教學 DAY 19
全民瘋AI系列 系列 第 19

技術 [Day 19] 隨機森林 (迴歸器)

隨機森林 (迴歸器) 今日學習目標 迴歸隨機森林 了解隨機森林是如何處理連續性數值輸出 實作隨機森林迴歸器 觀察隨機森林中的樹的數量是否影響預測...

鐵人賽 影片教學 DAY 18
全民瘋AI系列 系列 第 18

技術 [Day 18] 隨機森林 (分類器)

隨機森林 (分類器) 今日學習目標 隨機森林介紹 隨機森林的樹是如何生成?隨機森林的優點? 實作隨機森林分類器 比較隨機森林與決策樹兩者差別...

鐵人賽 影片教學 DAY 17
全民瘋AI系列 系列 第 17

技術 [Day 17] 集成式學習

集成式學習 今日學習目標 了解集成式學習 何謂集成式學習? 三種不同的集成式學習 Bagging、Boosting、Stacking 集成學習...

鐵人賽 影片教學 DAY 16
全民瘋AI系列 系列 第 16

技術 [Day 16] 決策樹 (迴歸器)

決策樹 (迴歸器) 今日學習目標 迴歸決策樹 學習決策樹是如何處理連續性數值輸出 實作決策樹迴歸器 查看決策樹方法在簡單線性迴歸和非線性迴歸表現...

鐵人賽 影片教學 DAY 15
全民瘋AI系列 系列 第 15

技術 [Day 15] 決策樹 (分類器)

決策樹 (分類器) 今日學習目標 決策樹演算法介紹 決策樹如何生成?如何處理分類問題? 實作決策樹分類器 觀察決策樹是如何生成的 決策樹會根據...

鐵人賽 影片教學 DAY 14
全民瘋AI系列 系列 第 14

技術 [Day 14] SVR (迴歸器)

SVR (迴歸器) 今日學習目標 SVR 迴歸 學習 SVR 方法如何處理連續性輸出 實作 SVR 迴歸器 查看 SVR 方法在簡單線性迴歸和非線性...

鐵人賽 影片教學 DAY 29
R語言-預測方法大全 系列 第 29

技術 [Day-29] 預測觀念9-提升模型準確度(minimize predict error)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教

鐵人賽 影片教學 DAY 13
全民瘋AI系列 系列 第 13

技術 [Day 13] SVM (分類器)

SVM (分類器) 今日學習目標 了解 SVM 分類器 何謂支持向量機 ? 非線性與線性? SVM 分類器手把手實作 藉由圖形化的邊界,來了解使用不...

鐵人賽 影片教學 DAY 28
R語言-預測方法大全 系列 第 28

技術 [Day-28] 預測操作--SARIMA&斷點 (break points in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 library(strucchange) #找斷點 librar...

鐵人賽 影片教學 DAY 12
全民瘋AI系列 系列 第 12

技術 [Day 12] KNN (迴歸器)

KNN (迴歸器) 今日學習目標 KNN 迴歸 學習 KNN 方法如何處理連續性輸出 實作 KNN 迴歸器 查看KNN方法在簡單線性迴歸和非線性迴歸...

鐵人賽 影片教學 DAY 27
R語言-預測方法大全 系列 第 27

技術 [Day-27] 預測操作--SARIMA模型預測 (SARIMA model in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 #延續DAY26 p<-forecast(fit,3,la...

鐵人賽 影片教學 DAY 11
全民瘋AI系列 系列 第 11

技術 [day 11] KNN (分類器)

KNN (分類器) 今日學習目標 K-近鄰演算法介紹 KNN 計算步驟解析 實作 KNN 分類器 觀察不同 K 值會對分類結果造成什麼影響...

鐵人賽 影片教學 DAY 26
R語言-預測方法大全 系列 第 26

技術 [Day-26] 預測操作--SARIMA模型建立&診斷 (diagnose SARIMA model in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 #延續DAY25 fit <- arima(時序格式 ,o...