iT邦幫忙

深度學習相關文章
共有 51 則文章
鐵人賽 自我挑戰組 DAY 15

技術 DL的神經網路

1.卷積神經網絡(Convolutional Neural Network, CNN) 是深度學習中必要的網路架構,靠著卷積層(Convolutional la...

鐵人賽 自我挑戰組 DAY 13

技術 深度學習的訓練、推斷

DL的運作部分為兩種: 訓練(Training) 、推斷(Inference),那兩者有什麼不同呢? 1.訓練(Training) :首先建立學習環境,網路架構...

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...

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...

活動 【AI電腦視覺課程】AI深度學習與影像辨識 ─ 影像預處理到深度學習CNN應用

課程介紹 影像辨識領域是近年來深度學習最蓬勃發展的一塊領域,舉凡智慧家居、自駕車、生產瑕疵品檢測、安防監控、醫療影像等應用,都和深度學習影像辨識技術息息相關。...

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) => 分類 (Classi...

鐵人賽 AI & Data DAY 28

技術 29 Autoregressive generative model

在前面的 Transformer 的文章中有提到了 auto-regressive 的特質。 在 When Recurrent Models Don't Nee...

鐵人賽 AI & Data DAY 27

技術 28 Transformer

繼 Attention model 之後,由於 recurrent 架構的特性一直無法善用 GPU 的資源做加速。 這時 Google Brain 團隊就看到別...

鐵人賽 AI & Data DAY 26

技術 27 Attention model

繼 Seq2seq model 之後,真正可以做到 end-to-end 翻譯的,很多都是用了 attention model。 Attention model...

鐵人賽 AI & Data DAY 25

技術 26 seq2seq model

前面有提到 seq2seq model,我們就從這邊開始。 Seq2seq model 他採用了 encoder-decoder 架構,這時候就要來點 pape...

鐵人賽 AI & Data DAY 24

技術 25 Recurrent model 之死

當大家正在開心的用著 RNN 跟 LSTM 等等模型之時,就有人跳出來了。 不要再用 RNN 為基礎的模型了!! 就是這篇 The fall of RNN /...

鐵人賽 AI & Data DAY 21

技術 22 Convolutional encoder-decoder 架構

標題這不是一個專有名詞。 在電腦視覺的領域中有幾個有名的問題: 影像辨識(Image recognition) 物件辨識(Object detection)...

鐵人賽 AI & Data DAY 20

技術 21 Activation functions and ReLU

今天我們來談談 activation function 吧! 先談談線性轉換 談 activation function 之前先要談談線性轉換。 有上到比較後面...

鐵人賽 AI & Data DAY 19

技術 20 Convolutional neural network

Convolution layer 這邊我們回到我們的 convolution layer,如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢? 我們先來看...

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...

達標好文 技術 [筆記]深度學習(Deep Learning)-捲積神經網路

前言 這次要介紹捲積神經網路CNN,常用於取得影像特徵.辨識等等用途,這次簡單的介紹捲積網路,一樣使用O'REILLY Deep Learning書籍,但在捲積...

活動 AIoT智能物聯網平台開發工程師養成計畫【待業轉職者職前訓練】

本課程複製業界實務經驗,完整教你如何實現物聯網的感知層、網路層、應用層開發;並結合Python機器學習與深度學習,建構預測模型實現AI智能物聯網; 更進一步帶...

技術 [筆記]深度學習(Deep Learning)-神經網路學習

前言 本相關筆記幾乎都來自於O'REILLY Deep Learning這本書籍,詳細內容有興趣的可以去網上購買。 在上一章主要講到了梯度和偏微分,這次主要解釋...

達標好文 技術 [筆記]深度學習(Deep Learning)-梯度

前言 最近在看深度學習的書籍,還好這本書有講一點點基礎Python,對於Python零經驗的我算是一個小確幸。目前也只看了一半,這次筆記主要是紀錄一些自己的疑問...

活動 艾鍗近期開課活動/6.15成果展暨廠商徵才活動花絮分享

職場沒有永遠,學習沒有終點 用心規劃、實用易懂的軟體、韌體、硬體課程 ---------------------------------近期開課--------...

鐵人賽 AI & Machine Learning DAY 2

技術 [Day 02] 深度學習環境安裝筆記 — Ubuntu 系統安裝與設定 01.選擇適合你的發行版

關於 Linux 的介紹我在這就不加贅述了,大家在使用 Ubuntu 的過程中如果遇到問題可以到 Ubuntu 正體中文站 發問,許多熱心的大大都在論壇上討論問...

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 這不是下課鐘響,是人類社會的新文明課程才開始;無人車的16道問題

這不是下課鐘響,是人類新社會新文明課程才開始;無人車的16道問題 影片: 無人車的16道問題 自動駕駛的能力目標,是直接攻頂到能力分類的最高級別嗎?還是一級一級...

鐵人賽 Big Data DAY 29

技術 江山代有才人出,各領風騷迎禧年;CES 2017的東歐新秀,Almotive AI自動駕駛軟體與套件公司進軍美國,傳統汽車產業又多一威脅

汽車向來是最高檔次的消費產品類,封閉的產業;但當AI人工智慧的演算法和複雜架構因著GPU助長了深度學習的進展,微控制器和opensource的快速經驗複製加速了...

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 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 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?...