iT邦幫忙

機器學習相關文章
共有 366 則文章
鐵人賽 影片教學 DAY 7
R語言-預測方法大全 系列 第 7

技術 [Day-7] 預測觀念6-隨機抽樣(random sampling 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 #隨機抽樣 data("iris") n &...

鐵人賽 影片教學 DAY 6
R語言-預測方法大全 系列 第 6

技術 [Day-6] 預測觀念5-資料轉換(data transformation 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 #轉換 data(iris) library(dplyr) ir...

鐵人賽 影片教學 DAY 5
R語言-預測方法大全 系列 第 5

技術 [Day-5] 預測觀念4-離群值(find outlier 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 #離群值 data(iris) par(mfrow=c(1,3)...

鐵人賽 影片教學 DAY 4
R語言-預測方法大全 系列 第 4

技術 [Day-4] 預測觀念3-篩選自變量(choose variable 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 #找自變數以svm為例 data(iris) iris <...

鐵人賽 影片教學 DAY 3
R語言-預測方法大全 系列 第 3

技術 [Day-3] 預測觀念2-資料清洗(na值處理)

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 #檔案因版權問題無法上傳,請見諒 library(dplyr)...

鐵人賽 影片教學 DAY 2
R語言-預測方法大全 系列 第 2

技術 [Day-2] 預測觀念1-名詞&流程簡介

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 1
R語言-預測方法大全 系列 第 1

技術 [Day-1] R語言預測大全簡介

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

技術 人工智慧-機器學習-強化學習-深度學習-卷積網路

因為自己不太懂,所以就整理了一下,這之間的關係。 人工智慧(Artificial Intelligence,AI) 指由人製造出來的機器,所表現出來的智慧型。...

鐵人賽 自我挑戰組 DAY 12

技術 機器學習、深度學習、人工智慧一樣嗎?

人工智慧Artificial Intelligence 目標是讓機器、電腦、軟體和機器人的運作方式能貼近人的思維,但又能保有比人類快速的運算、分析能力,期望機器...

鐵人賽 AI & Data DAY 2

技術 回歸與分類-ML問題的兩大分類

在上一篇文中,我們介紹了ML問題的兩個主要分類。現在讓我們更詳細的來深入學習這兩者的差別吧! 回歸與分類   回到上篇文章的餐廳例子,我們想要利用客人帳單的...

鐵人賽 AI & Data DAY 1

技術 監督式學習-機器學習基礎

前言:本系列文基於Coursera上Google開設之課程編寫而成,主要針對ML(機器學習)基本概念與Tensorflow做基本介紹。希望能對於初入機器學習的...

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_di...

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] 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 L...

技術 電商老闆應該要懂的 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) =&gt; 分類 (Classifi...

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&quot;時間&quot;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...