iT邦幫忙

機器學習相關文章
共有 63 則文章
鐵人賽 Big Data DAY 12
tensorflow 學習筆記 系列 第 12

技術 Tensorflow Day12 儲存以及載入模型參數

今日目標 了解如何儲存訓練好的模型參數 儲存模型範例 載入模型範例 Github Ipython Notebook 好讀完整版 還記得當我們在定義模型的時候...

鐵人賽 Big Data DAY 26

技術 Day26 R語言機器學習之決策樹與隨機森林

前面幾天我們用幾種常見的迴歸解決了計算數值的數學題目以及回答是或否的是非題目,接下來,我們來讓機器學習用分類(Classification)的方式幫我們回答選擇...

鐵人賽 Big Data DAY 9
tensorflow 學習筆記 系列 第 9

技術 Tensorflow Day9 卷積神經網路 (CNN) 分析 (2) - Filter, ReLU, MaxPolling

今日目標 了解過濾器 (Filter) 運作方式 了解 ReLU 激活函數 (Activation) 運作方式 了解最大池化器 MaxPooling 運作方式...

鐵人賽 Big Data DAY 29
tensorflow 學習筆記 系列 第 29

技術 Tensorflow Day29 DCGAN with MNIST

今日目標 了解 DCGAN 使用 MNIST 資料集嘗試訓練 DCGAN Ipython Notebook 好讀完整版 Introduction Deep...

鐵人賽 Big Data DAY 18
tensorflow 學習筆記 系列 第 18

技術 Tensorflow Day18 Convolutional Autoencoder

今日目標 了解 Convolutional Autoencoder 實作 Deconvolutional layer 實作 Max Unpooling lay...

鐵人賽 Big Data DAY 28

技術 Day28 R語言機器學習之K-NN、SVM、貝氏分類

第28天了!今天豪邁的把鐵人賽前備用的分類演算法題目一次乾了,喉嚨借我過一下。 k最近鄰居分類法(k-Nearest Neighbour Classifica...

鐵人賽 Big Data DAY 28
tensorflow 學習筆記 系列 第 28

技術 Tensorflow Day28 Generative Adversarial Network with MNIST

今日目標 實作 Generative Adversarial Network 用 MNIST 手寫數字資料來訓練 Generative Adversarial...

鐵人賽 Big Data DAY 27

技術 Day27 R語言機器學習之類神經網路

類神經網路(Artificial neural network)也常被稱為人工神經網路,這個題目有著很多本書厚的艱深,好在今天的難只到厲害的題目名稱,我們今天淺...

鐵人賽 Big Data DAY 10
tensorflow 學習筆記 系列 第 10

技術 Tensorflow Day10 卷積神經網路 (CNN) 分析 (3) 第二卷積層, 全連結層, dropout

今日目標 觀察第二個卷積層輸出 全連結層以及 dropout 用意 深度是啥米 第二卷積層輸出 前一篇中我們主要觀察了第一個卷積層的輸出以及內部結構.那我們...

鐵人賽 Big Data DAY 15
tensorflow 學習筆記 系列 第 15

技術 Tensorflow Day15 Autoencoder

今日目標 了解 Autoencoder 概念 了解 Autoencoder 用於無監督訓練 Autoencoder Autoencoder 是一種無監督 (...

鐵人賽 Big Data DAY 26
tensorflow 學習筆記 系列 第 26

技術 Tensorflow Day26 LSTM 內部結構介紹

今日目標 了解 LSTM 內部結構 介紹 之前提到了 LSTM 可以有效的解決 gradient vanishing 的問題,那到底其中的結構有什麼魔法呢?...

鐵人賽 Big Data DAY 11
tensorflow 學習筆記 系列 第 11

技術 Tensorflow Day11 MNIST CNN 各層視覺化分析

今日目標 建立三層卷積層的 CNN 使用 PCA 降維分析 使用 TSNE 降維分析 Github Ipython Notebook 好讀完整版 到現在為...

鐵人賽 Big Data DAY 16
tensorflow 學習筆記 系列 第 16

技術 Tensorflow Day16 Autoencoder 實作

今日目標 實作 Autoencoder 比較輸入以及輸出 Github Ipython Notebook 好讀完整版 實作 定義 weight 以及 bia...

鐵人賽 AI & Machine Learning DAY 4

技術 [Day4] 梯度下降法(Gradient Descent)

梯度下降 昨天我們提到,令我們的函數為: 則誤差為: 其中 x 為輸入,y 為輸出。我們想要將誤差最小化,因此可以透過微分來求算。 首先,我們先來回想一下微分的...

鐵人賽 Big Data DAY 17
tensorflow 學習筆記 系列 第 17

技術 Tensorflow Day17 Sparse Autoencoder

今日目標 了解 Sparse Autoencoder 了解 KL divergence & L2 loss 實作 Sparse Autoencoder...

鐵人賽 Big Data DAY 25
tensorflow 學習筆記 系列 第 25

技術 Tensorflow Day25 Recurrent Neural Network with MNIST

今日目標 了解 RNN 用 MNIST 訓練 RNN 觀察 RNN 訓練的情形以及結果 Github Ipython Notebook 好讀完整版 Intr...

鐵人賽 Big Data DAY 19
tensorflow 學習筆記 系列 第 19

技術 Tensorflow Day19 Denoising Autoencoder

今日目標 了解 Denoising Autoencoder 訓練 Denoising Autoencoder 測試不同輸入情形下的 Denoising Aut...

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...

鐵人賽 Big Data DAY 22
tensorflow 學習筆記 系列 第 22

技術 Tensorflow Day22 word2vec 介紹

今日目標 了解 word2vec 的概念 word2vec 簡介 word2vec 正如其名就是 word to vector 是一個能把文字變成向量的演...

鐵人賽 AI & Machine Learning DAY 1

技術 [Day 01] 深度學習環境安裝筆記 — 目錄

“在這裡我們不教你如何上太空,而是教你如何邁出第一步。” 雖然現在有許多好用的的框架跟環境可以讓普通人使用深度學習,在建置環境的過程中會遇到各種各式各樣的問...

鐵人賽 Big Data DAY 30

技術 Day30 R語言與機器學習見面會Finish

Day30!Day30!Day30! 終於來到R語言與機器學習見面會的終點線前,初鐵就要完賽了!回想30天跑了一場新竹超半馬、一場台北馬拉松、出國到香港迪士尼、...

鐵人賽 AI & Machine Learning DAY 6

技術 [Day6] Logistic Regression — 邏輯迴歸

Logistic Regression — 邏輯迴歸 前幾天我們介紹了第一個機器學習模型—線性迴歸,線性回歸的目的在於透過歷史資料來預測未來的資料。 而 log...

鐵人賽 Big Data DAY 22

技術 Day22 機器學習見面會

終於,在喝完冬至湯圓的隔天,R語言與機器學習見面會進入最後一個主題了,機器學習演算法。 已砍就: .NET工程師的R環境 R語言基礎 R語言資料介面 R語言的...

鐵人賽 AI & Machine Learning DAY 2

技術 [Day2] 什麼是機器學習?

前言 為了透過電腦強大的運算力幫助人們解決問題,首先我們的問題是需要能夠被量化與分析的。例如:給定歷年的房屋資料,預測之後的房價變化;由使用者過去的瀏覽紀錄,猜...

活動 iThome Tech Talk 機器學習系列入門講座,熱烈報名中!

iThome Tech Talk 11月主題來囉!這個月推出「Learn From Data」系列,以機器學習為主題的入門講座,現正熱烈報名中~ 如果你對機器學...

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 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 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 3

技術 04 從感知器到 maximum-margin classifier

上次我們完成了感知器的介紹,感知器也有他相對應的學習演算法:perceptron learning algorithm (PLA)。 不過我們今天沒有要講 PL...

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...