技術 [Day10] 以深度學習進行時間序列預測 — 概論

介紹完機器學習預測時間序列，接著連續幾篇要進入到深度學習的範疇。 我們會提到在時間序列預測的命題上，深度學習和機器學習的不同、優化的邏輯，並且整理有哪些神經網絡...

技術 [Day12] 以神經網絡進行時間序列預測 — LSTM

本篇詳細介紹 LSTM 及如何以 LSTM 建模預測時間序列。 本日大綱 LSTM 介紹 LSTM 元件構成 LSTM 的分類 實作注意事項 資料集介...

技術 Day 12. 深度學習模型 - 基本構成

機器學習的模型是不是還有一個沒有講？沒錯，就是神經網路！Day5 的時候我們有簡單介紹感知器和神經網路，這邊就來實際說明感知器和神經網路的基本構成，雖然神經網路...

技術 [Day13] 以神經網絡進行時間序列預測 — GRU

今天介紹使用 GRU 進行時間序列預測，一樣採用我們最愛的股價資料集！！ 今日大綱 GRU 介紹 門控機制 與 LSTM 比較 實作注意事項 GRU...

技術 Day 13. 深度學習模型 - 梯度下降改善

前面說過梯度下降是用來做最佳化，也就是調整參數的重要方法，今天的文章會附上了一段程式動畫來直觀看到梯度下降是怎麼調整預測，以及說明實際上學習的時候會遇到什麼問題...

技術 人工智慧怎麼像我們的大腦一樣工作？

AI不僅能辨識車牌、人臉，還能進行語音辨識、指紋辨識，還能閱讀文章理解其語意幫我們摘要，它之所以能像人類一樣彷彿擁有五官以及思考能力的「大腦」究竟是如何運作、又...