iT邦幫忙

機器學習相關文章
共有 413 則文章

徵才 【Cinnamon AI】2022 Global AI Bootcamp - AI 產品實作營

【2022 Global Student Bootcamp - AI 產品實作營】即日起開始報名! 以「開發使用者為導向的產品」為核心概念設計的 Cinnamo...

技術 利用大數據分析預測MLB勝負(上)

本文將要介紹由Andrew Y. Cui撰寫的《Forecasting Outcomes of Major League Baseball Games Usin...

技術 用新技術加強您的內部稽核-將稽核軟體引入組織的 7 個步驟

在 2000 年代初期,內部稽核團隊的典型工作重點是完成對特定財務和運營領域的傳統週期性稽核——這一過程通常與組織的更大目標脫節。今天的內部稽核職能已經發生了徹...

鐵人賽 AI & Data
全民瘋AI系列2.0 系列 第 31

技術 [全民瘋AI系列2.0] 完賽總結

全民瘋AI系列2.0完賽總結 不知不覺就參加了三屆iT邦鐵人賽,很高興能夠藉由此活動分享經驗與知識。雖然這三十天過程很辛苦,但也透過這種方式督促我整理這些內容。...

鐵人賽 AI & Data DAY 30
全民瘋AI系列2.0 系列 第 30

技術 [Day 30] 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 雲端平台部署應用程式 前言 開發的最後一哩路部署...

鐵人賽 AI & Data DAY 29
全民瘋AI系列2.0 系列 第 29

技術 [Day 29] 使用 Python Flask 架設 API 吧!

使用 Python Flask 架設 API 吧! 今日學習目標 API 觀念講解 什麼是 API? RESTful API HTTP Request 方法...

鐵人賽 AI & Data DAY 28
全民瘋AI系列2.0 系列 第 28

技術 [Day 28] 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 前...

鐵人賽 AI & Data DAY 27
全民瘋AI系列2.0 系列 第 27

技術 [Day 27] 機器學習常犯錯的十件事

機器學習常犯錯的十件事 今日學習目標 探討機器學習常犯的十件錯誤 前言 人工智慧近年來成為任何產業熱門的話題之一,各公司積極地導入機器學習技術協助產業 AI...

鐵人賽 AI & Data DAY 26
全民瘋AI系列2.0 系列 第 26

技術 [Day 26] 交叉驗證 K-Fold Cross-Validation

今日學習目標 了解 K-Fold 各種不同變形 K-Fold Cross-Validation Nested K-Fold Cross Validation...

鐵人賽 AI & Data DAY 25
全民瘋AI系列2.0 系列 第 25

技術 [Day 25] 交叉驗證 Cross-Validation 簡介

今日學習目標 常見的交叉驗證方法 K-fold Leave one out cross validation Random Subsampling Boot...

鐵人賽 AI & Data DAY 24
全民瘋AI系列2.0 系列 第 24

技術 [Day 24] 機器學習 - 不能忽視的過擬合與欠擬合

今日學習目標 如何選擇最佳的模型? 深入理解度擬合與欠擬合 Bias-Variance Tradeoff 如何避免過擬合與欠擬合? 前言 在機器學習中...

鐵人賽 AI & Data DAY 23
全民瘋AI系列2.0 系列 第 23

技術 [Day 23] 資料分布與離群值處理

資料分布與離群值處理 今日學習目標 資料特徵觀察與離群值分析 檢視資料的分布狀態 偏度 (Skewness) 峰度 (Kurtosis) 修正特徵偏度的...

鐵人賽 AI & Data DAY 22
全民瘋AI系列2.0 系列 第 22

技術 [Day 22] Python 視覺化解釋數據 - Plotly Express

Plotly Express 今日學習目標 安裝 plotly 手把手實作視覺化鳶尾花朵資料集 直方圖 特徵關聯度分析 散佈圖 箱形圖 複合型視覺化技巧 匯...

鐵人賽 自我挑戰組 DAY 27
Python資料分析學習地圖 系列 第 27

技術 Day 27 : 模型解釋 Shap

在經過集成式學習(ensemble learning)之後的 tree based (像是 Random Forest, XGBoost, LightGBM)...

鐵人賽 AI & Data DAY 21
全民瘋AI系列2.0 系列 第 21

技術 [Day 21] 調整模型超參數利器 - Optuna

Optuna 今日學習目標 Optuna 如何採樣參數? 實作 Optuna 搜尋最佳超參數 以 XGBoost 迴歸模型於房價預測為例 Optuna 視覺...

鐵人賽 自我挑戰組 DAY 26
Python資料分析學習地圖 系列 第 26

技術 Day 26 : LightGBM 與 GridSearch

LightGBM GBDT(Gradient Boosting Decision Tree) 是利用弱分類器迭代訓練來得到最佳的模型,而 LightGBM(Li...

鐵人賽 自我挑戰組 DAY 25
Python資料分析學習地圖 系列 第 25

技術 Day 25 : XGBoost

極限梯度提升 eXtreme Gradient Boosting(XGBoost) ,被稱為 Kaggle 競賽神器,常常第一名都是使用這個演算法。先來前情提要...

鐵人賽 Software Development DAY 17

技術 [D17] ML機器學習(入門)

之前有提到 CNN 業會用在 ML ,那甚麼是 ML 呢? Machine Learning 機器學習 ML 就是 Machine Learning 的縮寫,大...

鐵人賽 AI & Data DAY 20
全民瘋AI系列2.0 系列 第 20

技術 [Day 20] 機器學習金手指 - Auto-sklearn

Auto-sklearn 今日學習目標 了解 Auto-sklearn 運作原理 Meta Learning Bayesian Optimization B...

鐵人賽 自我挑戰組 DAY 24
Python資料分析學習地圖 系列 第 24

技術 Day 24 : 隨機森林

原理 昨天有提到 Bagging 最有名的例子就是隨機森林,它是集合多棵決策樹來進行預測,很多樹就成為了森林,稱之為隨機森林。每一棵樹只能看見部分特徵,但透過多...

鐵人賽 自我挑戰組 DAY 23
Python資料分析學習地圖 系列 第 23

技術 Day 23 : 集成式學習

接下來的要介紹一個很重要的模型觀念 - 集成式學習。俗話說的好,三個臭皮匠勝過一個諸葛亮,而在機器學習又是怎麼應用呢?讓我們一起探索吧! 集成式學習 集成式學習...

鐵人賽 自我挑戰組 DAY 22
Python資料分析學習地圖 系列 第 22

技術 Day 22 : 決策樹

決策樹(Decision trees)是一種過程直覺單純、執行效率也相當高的監督式機器學習模型,適用於classification 及 regression 資...

鐵人賽 自我挑戰組 DAY 21
Python資料分析學習地圖 系列 第 21

技術 Day 21 : SVM

原理說明 SVM (support vector machine 支援向量機),是在特徵空間中找到一個分離超平面,也就是「決策邊界」(decision boun...

鐵人賽 AI & Data DAY 19
全民瘋AI系列2.0 系列 第 19

技術 [Day 19] 自動化機器學習 - AutoML

AutoML 今日學習目標 了解何謂 AutoML 超參數調參方法 Grid Search Random Search Bayesian Optimizat...

鐵人賽 AI & Data DAY 18
全民瘋AI系列2.0 系列 第 18

技術 [Day 18] 機器學習 boosting 神器 - CatBoost

CatBoost 今日學習目標 了解 CatBoost 模型 實作 CatBoost 迴歸模型-房價預測 模型訓練、特徵篩選 超參數搜索 自動處理類別型的特...

鐵人賽 影片教學 DAY 30

技術 [Day-30] R語言 - 分群總結與感言 ( Clustering Summary )

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 AI & Data DAY 17
全民瘋AI系列2.0 系列 第 17

技術 [Day 17] 輕量化的梯度提升機 - LightGBM

LightGBM 今日學習目標 LightGBM 與 XGBoost 比較 了解 LightGBM 優點 實作 LightGBM 處理資料不平衡資料 信用卡...

鐵人賽 影片教學 DAY 29

技術 [Day-29] R語言 - 分群其他演算法 ( Clustering other Algorithms )

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 AI & Data DAY 16
全民瘋AI系列2.0 系列 第 16

技術 [Day 16] 每個模型我全都要 - 堆疊法 (Stacking)

堆疊法 (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 實作迴歸器 透過 Stack...

鐵人賽 影片教學 DAY 28

技術 [Day-28] R語言 - 分群應用(五) 分群預測 - 提升模型準確度 ( Improve Model Accuracy by Clustering in R.Studio )

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