前言 現在全球股市大熱,很多人都忍不住誘惑,跳進去買賣,如何『選股』、『擇時』,賺到錢就是一門重要而困難的課題,本文以最簡單的『移動平均法』(Moving Av...
The product's, for example, the Norton Antivirus Plus created by the organizatio...
前言 AutoML 想要滿足普羅大眾的夢想,不用學習一堆的演算法,只要你指定工作類別,它就幫你找到最佳模型及最佳參數,當然包括預測結果,哇,這麼神,不一探究竟怎...
完賽心得 一連串的文章讓我慢慢地複習以及學習,也謝謝各位的閱讀,之後我也會繼續加油,有空的話會再寫更深入的文章,這次的系列文章較少提到軟工的知識,之後會再寫關於...
前言 前一篇介紹了強化學習初步的概念,並且採隨機策略測試一下,隨機等於沒有策略,這次我們實際擬定一些策略,說明強化學習的真正作法。之後再介紹各種演算法的進化及其...
機器學習的測試 今天我們要來介紹機器學習該如何測試。 該測試甚麼? 我們知道對機器學習來說,資料的正確性以及模型是否正確很重要,那麼我們要怎麼知道資料是否正確呢...
前言 2016年AI圍棋軟體AlphaGo連續擊敗韓國及中國等世界頂尖的好手,使得它背後的演算法 -- 強化學習(Reinforcement Learning)...
機器學習的技術債 今天我們要來看看,機器學習中的技術債,而什麼是技術債呢? 技術債 根據wiki的描述,技術債指的開發人員是因為某些原因而進行妥協,選擇短期內能...
Grad-CAM如何實現? 今天我們要來實作一個Grad-CAM,來了解到底神經網路看重甚麼地方。 Grad-CAM介紹 由CAM所改良,原本的CAM最後一層一...
前言 近年來,深度偽造(DeepFake)已經造成假影片氾濫,從剛開始的美國總統Obama的談話影片,到最近明星臉全部被套到各式的影片當中,真偽難辨,它根源的技...
前言 前一篇介紹了 RNN 的模型結構,接著我們來測試幾個完整的應用,藉以了解各個環節如何使用 Keras 撰寫,內容包括: 文字分類(Text Classi...
AI我想了解你~ Explanable AI 今天我們要來介紹一下Explanable AI是做甚麼用的。 Explanable AI 依照單字的翻譯,就是可解...
前言 自然語言處理主要是指文字(Text)相關的應用,例如: 文字分類(Text Classification):例如情緒分析(Sentiment Analy...
機器學習會遇到的問題整理 今天我們要快速的看一下機器學習中,會遇到甚麼問題,那麼我們先從有提過的開始吧! 梯度消失 梯度消失會出現在以梯度下降法和反向傳播訓練人...
前言 機器學習永遠不會跟你講錯,不管你丟甚麼東西進入訓練流程或預測,它都會給你一個答案,正是所謂的 Garbage In Garbage Out,因此,產生了兩...
LSTM、GRU如何實作? 今天我們要來實作LSTM以及GRU。 前置作業 我們使用Colab來當作我們的實作平台,並使用Keras來完成。 資料集 我們使用G...
前言 上篇介紹 Decision tree,而這篇要分享的 Random forest 就是建構在 Decision tree 上的演算法。 Notebook...
RNN和LSTM和GRU 今天我們要來介紹一下,循環神經網路(Recurrent Neural Network),稱為RNN。 以及RNN的好朋友,LSTM(L...
前言 由於 Keras 的引進,使得 Tensorflow 架構變得有點疊床架屋,到底要遵從哪一路徑學習,常令初學者感到困擾,因此,對 Tensorflow 其...
如何讓測試資料集的正確率變高呢? Fusion篇 今天我們要試試看,Fusion對正確率的影響。 前置作業 我們使用Colab來當作我們的實作平台,並使用Ker...
前言 之前的有一些案例程式使用 Tensorflow Dataset,但沒有多作解釋,心中有愧,因此,花了一些時間,整理相關用法如下。 Tensorflow D...
前言 當神經網路含很多(Deep)神經層時,常會在其中放置一些 Batch Normalization 層,顧名思義,它應該是作特徵縮放,但是,內部是怎麼運作的...
如何讓測試資料集的正確率變高呢? Voting篇 在Day 20天中,我們使用了ResNet架構,現在我們要試試看如何能再次提高正確率! 前置作業 我們使用Co...
前言 影像分割(Image Segmentation)也稱【語義分割】(Semantic Segmentation),它可以是物件偵測演算法 RCNN 的延伸...
ResNet如何實現 今天我們要來實作ResNet,並比較加入ResNet後,是否正確率有提升。 前置作業 我們使用Colab來當作我們的實作平台,並使用Ker...
前言 Autoencoder 是一個非常重要的模型,它是很多進階模型的基礎,例如風格轉換(Style Transfer)、影像分割(Image Segmenta...
ResNet-從旁邊來囉 今天我們要介紹另一種的CNN,Residual Network。 深度CNN 為了取得更多或更深層的特徵,我們會採用越來越多層的CNN...
CapsNet如何實現 今天我們要實作CapsNet,並與第三天的結果比較。 傳送門 回顧 資料集使用fashion_mnist,為Keras內建的資料集。 訓...
前言 前一篇實作一個簡單的物件偵測(Object Detection),接下來我們來模擬自駕車(Self Driving)如何辨識前方的障礙物,一樣使用Tens...
CapsNet-好用的膠囊在CNN 今天我們要介紹一個很強的技術,CapsNet。 為什麼需要CapsNet? 在傳統的CNN中,在許多種情況已經能得到很好的辨...