iT邦幫忙

data science相關文章
共有 238 則文章

達標好文 技術 20個網頁抓取工具快速抓取網站

網絡爬行(也稱為網絡抓取,屏幕抓取)已廣泛應用於當今的許多領域。 在網絡爬蟲工具進入公眾之前,對於沒有編程技能的普通人來說,這是一個神奇的詞。 它的高門檻阻礙了...

鐵人賽 AI & Data DAY 8

技術 [精進魔法] Optimization:優化深度學習模型的技巧(中)- Adaptive Learning Rates

前情提要 在 [精進魔法] Optimization:優化深度學習模型的技巧(上)一文中提及了下面三種優化 deep learning 模型的作法: Batc...

鐵人賽 AI & Data DAY 17

技術 [魔法陣系列] AutoEncoder 之術式解析

在上篇 [魔法小報] 深度學習 vs. 傳統機器學習的文末稍微提到可以用 AutoEncoder 做降維(Dimension Reduction),於是乎,本篇...

鐵人賽 AI & Data DAY 9

技術 [精進魔法] Optimization:優化深度學習模型的技巧(下)- Batch Normalization

本文主題是「Batch Normalization」,Ian Goodfellow 大大在《Deep Learning》一書中是這麼描述 Batch Norma...

鐵人賽 AI & Data DAY 23

技術 [實戰系列] 使用 Keras 搭建一個 GAN 魔法陣(模型)

本篇要來實作一個簡單版的 GAN 模型。如果忘記 GAN 是什麼的同學,傳送門在此: [魔法陣系列] Generative Adversarial Netw...

鐵人賽 AI & Data DAY 4

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式啟動

上篇介紹 ANN 魔法陣結構:輸入層(Input Layer)、隱藏層(Hidden Layer)及輸出層(Output Layer)。此外,也解釋了神經元與激...

鐵人賽 AI & Data DAY 12

技術 [魔法陣系列] 王者誕生:AlexNet 之術式解析

在上一篇前言提到 AlexNet 是一個歷史分水嶺,這是由於在 AlexNet 之前,Deep Learning 已經沈寂很久,而在2012年的 ImageNe...

鐵人賽 AI & Data DAY 16

達標好文 技術 [魔法小報] 深度學習 vs. 傳統機器學習

今天來談談深度學習跟傳統機器學習的比較,主要從 Data、計算資源、特徵萃取 等三個方向進行討論。 深度學習(Deep Learning)的成功主要是基於大量可...

徵才 【Cinnamon AI|日商】AI Solution Specialist (Data Scientist)

About Cinnamon AI: Cinnamon AI is the pioneer in business consulting and develo...

鐵人賽 AI & Data DAY 1

達標好文 技術 [序幕] AI(人工智慧)、Machine Learning(機器學習)、 Deep Learning(深度學習)是什麼?

2018年堪稱是台灣的「AI 元年」,政府推動產業 AI 化,同時也不遺餘力的培養 AI 種子們。相信不管是在新聞媒體上或是公司內部都可常看到或聽到「AI」字眼...

鐵人賽 AI & Data DAY 7

技術 [精進魔法] Optimization:優化深度學習模型的技巧(上)

上篇提到怎麼避免 Overfitting 的技巧,本文要帶給大家的是如何優化深度學習,提高模型的效能。 Batch & Mini batch 深度學習每...

鐵人賽 AI & Data DAY 3

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式解析

第一個魔法陣:Artificial Neural Network (ANN, 1943) 首先先來看看 ANN 的結構: 圖片來源:https://hack...

鐵人賽 AI & Data DAY 21

技術 [魔法陣系列] Generative Adversarial Network(GAN)之術式解析

在上篇介紹 AutoEncoder 的應用時有提到 VAE(Variational Autoencoder) 可以生成圖片,但是它有一些限制。VAE 實際上沒有...

鐵人賽 AI & Data DAY 2

達標好文 技術 [地圖] 深度學習世界的魔法陣們

剛開始研究 deep learning 時,正好是 AlphaGo 跟南韓棋士李世乭對戰(2016年3月8日到3月15日)的前一兩個月,那時我們小組嘗試用 CN...

鐵人賽 AI & Data DAY 22

技術 [魔法陣系列] Generative Adversarial Network(GAN)之應用場景

Yann LeCun (Facebook AI 研究院院長)曾對 GAN 表示讚賞: The most important one, in my opi...

鐵人賽 AI & Data DAY 19

達標好文 技術 [魔法小報] 機器學習路上的強力支援們(網路學習資源推薦)

不重要之交代:因為這兩天在台南抓寶可夢,所以出刊的比較晚,來抓寶可夢的外國人也好多呀~ 如果你跟我一樣追尋著 Data Scientist 的目標,你大概有...

鐵人賽 AI & Data DAY 10

技術 [魔王出沒] 深度學習中的魔王軍簡介

其實這篇應該先寫於《精進魔法》系列之前的,但沒關係,只要有 [地圖] 深度學習世界的魔法陣們 指引,你能夠照你想要挑戰的項目去學習。 以下介紹深度學習的魔王們,...

Towards Tensorflow 2.0 系列 第 5

技術 [Day-5] Python視覺化實戰

由於不管是在做model或者分析人員視覺化都是非常重要的,因此今天會來說一些視覺化工具,一樣主要會使用三個資料集: 看劇資料 (CRM資料) 股票資料 (時間...

鐵人賽 AI & Data DAY 10

技術 [Day 10] 比較不同群體的圖表3 - 雷達圖

前兩天分別在 [Day 8] 比較不同群體的圖表1 、以及 [Day 9] 比較不同群體的圖表2 有介紹過長條圖、直方圖、以及柏拉圖這三種用來比較不同群體的圖表...

鐵人賽 AI & Data DAY 20

技術 [魔法陣系列] AutoEncoder 之應用場景

在 [魔法陣系列] AutoEncoder 之術式解析 裡介紹了 AutoEncoder 魔法陣以及其變形夥伴們,對於 AutoEncoder 應用只用寥寥幾句...

鐵人賽 AI & Data DAY 8

技術 Youtube Data API 教學  -  流量配額的計算 Quotas

「鮭魚均,因為一場鮭魚之亂被主管稱為鮭魚世代,廣義來說以年齡和臉蛋分類的話這應該算是一種 KNN 的機器學習,不正經的數據分析師,畢業後把人生暫停了半年,在 G...

鐵人賽 AI & Data DAY 16

技術 [Day 16] 資料分布的圖表1 - 散佈圖與泡泡圖

在上一篇 [Day 15] 用來觀察資料分布的圖表們 我們有大概介紹過幾種用來呈現資料分佈樣貌的圖表,今天就先讓我們來進一步介紹散佈圖與泡泡圖吧。 散佈圖 (...

鐵人賽 自我挑戰組 DAY 2

技術 Day 2|環境安裝 - Python、VS Code、Pandas

  決定寫文章後,發現撰寫Pandas的環境有許多種,有人會用 Anaconda 搭配 Jupyter Notebook,有人直接使用 VS Code ,也有人...

鐵人賽 AI & Data DAY 6

技術 Youtube Data API 教學 - 基本分類介紹 list.part

「鮭魚均,因為一場鮭魚之亂被主管稱為鮭魚世代,廣義來說以年齡和臉蛋分類的話這應該算是一種 KNN 的機器學習,不正經的數據分析師,畢業後把人生暫停了半年,在 G...

技術 數據挖掘需要的10項必備技能

數據挖掘是從巨大的數據集中提取有效信息,並將信息轉換為潛在有用且最終可理解的模式以供進一步使用。它不僅包括數據處理和管理,還涉及機器學習,統計和數據庫系統的智能...

鐵人賽 AI & Data DAY 17

技術 [Day 17] 我的資料哪有這麼平衡!第二季 (class weights)

前言 走過了資料分析、演算法選擇後,我們得知了有些可以改善模型的方向: 解決資料不平衡(Now) 學習率的設定(Not yet) 訓練輪數(Not yet)...

鐵人賽 AI & Data DAY 5

技術 Youtube Data API 教學 - 抓取你的金鑰 API key

「鮭魚均,因為一場鮭魚之亂被主管稱為鮭魚世代,廣義來說以年齡和臉蛋分類的話這應該算是一種 KNN 的機器學習,不正經的數據分析師,畢業後把人生暫停了半年,在 G...

鐵人賽 AI & Data DAY 30

技術 [落幕結語] 第一次參加鐵人賽心得

參加鐵人賽完全是一個契機,優秀好同事兼朋友 Rex 在報名最後一天的問我要不要參加,思考了一下,覺得是有東西想說的,大概擬了主題和大綱,就加入這屆 iT 邦幫忙...