iT邦幫忙

machine learning相關文章
共有 64 則文章
鐵人賽 AI & Machine Learning DAY 106

技術 Day N+1:進一步理解『梯度下降』(Gradient Descent)

前言 在 Neural Network 的求解過程中,最重要而難懂的觀念應該是『梯度下降』(Gradient Descent)吧 ,我雖然在Day 03:Neu...

鐵人賽 AI & Machine Learning DAY 30
到底是在learning什麼拉 系列 第 30

技術 [Day29] 賽末心得

意料之外 總算來到了最後一天,想想真不該隨口答應別人的XDDD 從開賽前的兩個禮拜預衝刺,一直到開賽前一天才進入了 其實中間不只先聽了 coursera 上的...

鐵人賽 Data Technology DAY 28
使用Python進行資料分析 系列 第 28

技術 [Day28]機器學習:特徵標準化!

嗨,今天是第28天! 今天要來聊聊機器學習中的特徵標準化(normalization),包含: 什麼是特徵標準化? 為什麼要標準化? 特徵標準化怎麼做? 什...

鐵人賽 AI & Machine Learning DAY 29
到底是在learning什麼拉 系列 第 29

技術 [Day28] Deploying machine learning as a service-2

What's ahead in the specialization 最後讓我們來回顧一下課程中提到那些內容吧 regression 在 regression...

鐵人賽 AI & Machine Learning DAY 28
到底是在learning什麼拉 系列 第 28

技術 [Day27] Deploying machine learning as a service-1

Open challenges in ML 在這門課裡面提到了許多不同的機器學習方法以及其可能的應用,但這堂課還是留下一些問題,所以接下來就是要談談這些挑戰 M...

鐵人賽 Data Technology DAY 27
使用Python進行資料分析 系列 第 27

技術 [Day27]機器學習:建立線性迴歸資料與預測!

嗨,今天是鐵人賽的第27天啦! 今天要介紹的是一個簡單的預測法:線性迴歸(linear regression)! 主要內容: 什麼是線性迴歸 建立隨機迴歸資料...

鐵人賽 AI & Machine Learning DAY 27
到底是在learning什麼拉 系列 第 27

技術 [Day26] Deploying machine learning as a service

Deploying an ML service 截至目前為止,我們已經大概知道如何用資料來建立 machine learning 的模組 以及如何評量它的質量,...

鐵人賽 Data Technology DAY 26
使用Python進行資料分析 系列 第 26

技術 [Day26]機器學習:KNN分類演算法!

嗨!今天是第26天,之前介紹完了基本的機器學習概念了,這次要說明一個K-近鄰演算法(K Nearest Neighbor)! 主要內容: 什麼是KNN 如何用...

鐵人賽 AI & Machine Learning DAY 26
到底是在learning什麼拉 系列 第 26

技術 [day 25] 深度學習-小範例

Deep features for image retrieval 我們可以從上一個例子看到 Deep features 用在圖片分類中的效用 我們可以獲得較為...

鐵人賽 Data Technology DAY 25
使用Python進行資料分析 系列 第 25

技術 [Day25]機器學習:特徵與標籤!

嗨,今天是第25天,昨天開始介紹了何謂機器學習,機器學習有哪些類型, 今天我們說明機器學習內的名詞:特徵(features)與標籤(labels),未來也會用這...

鐵人賽 AI & Machine Learning DAY 25
到底是在learning什麼拉 系列 第 25

技術 [day 24] 深度學習-小範例

Using deep features to build an image classifier 接下來會談兩個用 deep learning 上有趣的小範例,...

鐵人賽 AI & Machine Learning DAY 24
到底是在learning什麼拉 系列 第 24

技術 [day 23] 深度學習-3

Challenges of deep learning 對 deep learning 來說,它可以讓我們表示非線性複雜特徵,不單單只能在計算機視覺,在語音識別...

鐵人賽 AI & Machine Learning DAY 23
到底是在learning什麼拉 系列 第 23

技術 [day 22] 深度學習-2

Application of deep learning to computer vision 第一次讓 neural networks 大展身手的領域是在計算...

鐵人賽 AI & Machine Learning DAY 22
到底是在learning什麼拉 系列 第 22

技術 [day 21] 深度學習-1

Searching for images: A case study in deep learning 接下來這個章節將會談到機器學習中的一個新領域 deep...

鐵人賽 AI & Machine Learning DAY 30

技術 Day 30:完結篇 -- Machine Learning 工作前景與技能

前言 當我們人生決定轉向,不能免俗的,一定要了解市場行情,免得誤入歧途,人財兩失。因此針對 Machine Learning 相關的工作進行了一番調查,除了工作...

鐵人賽 AI & Machine Learning DAY 29

技術 Day 29:機器學習的資料處理生命週期

資料處理流程(Process) 機器學習(Machine Learning)處理資料的生命週期(Life cycle) 與 Data Mining 是一致的,這...

鐵人賽 AI & Machine Learning DAY 21
到底是在learning什麼拉 系列 第 21

技術 [day 20] 推薦系統 -實做

Loading and exploring song data 接下來我們將建立一個歌曲推薦系統 一樣的要載入資料庫,同時可以稍微看一下資料庫裡面的內容包含了使...

鐵人賽 AI & Machine Learning DAY 28

技術 Day 28:小學生談『生成對抗網路』(Generative Adversarial Network,GAN)

前言 Facebook AI 大師 Yann LeCun 在接受Quora專訪時說『GAN及其變形是近十年最有趣的想法(This, and the variat...

鐵人賽 AI & Machine Learning DAY 20
到底是在learning什麼拉 系列 第 20

技術 [day 19] 推薦系統 -4

A performance metric for recommender systems 前面花了許多篇幅在討論如何使用不同類型的推薦系統預測,問題是我們要如何...

鐵人賽 AI & Machine Learning DAY 19
到底是在learning什麼拉 系列 第 19

技術 [day 18] 推薦系統 -3

Recommendations from known user/item features 現在的問題是,我們該如何給出推薦呢? 我們要藉由什麼方法去推測,一個...

鐵人賽 AI & Machine Learning DAY 18
到底是在learning什麼拉 系列 第 18

技術 [day 17] 推薦系統 -2

Effect of popular items 事實上我們還需要考慮一個與 co-occurrence matrix 相關的重要問題 就是 normalizat...

鐵人賽 AI & Machine Learning DAY 26

技術 Day 26:自動語音識別(Automatic Speech Recognition) -- 觀念與實踐(續)

前言 上一篇我們舉了一個很簡單的範例,判斷聲音是bed、cat 或是 happy,實務上它可以應用在一些場域,例如,PowerPoint簡報時,我們可以用聲音下...

鐵人賽 AI & Machine Learning DAY 25

技術 Day 25:自動語音識別(Automatic Speech Recognition) -- 觀念與實踐

前言 Neural Networks 在影像、文字、語音等自然使用者介面(NUI)處理有突破性的發展,之前我們已經見證過影像及文字的辨識威力了,從這一篇開始,我...

鐵人賽 AI & Machine Learning DAY 17
到底是在learning什麼拉 系列 第 17

技術 [day 16] 推薦系統 -1

Recommender systems overview 在這個章節中我們將學習推薦系統,典型的應用場景為推薦商品,當你有大量的商品和一些會員,此時你該如何推薦...

鐵人賽 AI & Machine Learning DAY 16
到底是在learning什麼拉 系列 第 16

技術 [day 15] 分群與相似度-實作

Loading & exploring Wikipedia data 接下來我們想要透過 tf-idf 來建立一個 document retrieva...

鐵人賽 AI & Machine Learning DAY 24

技術 Day 24:銷售量預測(2) -- 『時間序列分析』技巧篇

前言 上一篇我們以航空公司的每月乘客人數為例,使用 LSTM 模型預測下個月的乘客數,其中牽涉到『時間序列分析』(Time Series Analysis)一些...

鐵人賽 AI & Machine Learning DAY 23

技術 Day 23:銷售量預測 -- LSTM 的另一個應用

前言 之前,我們都在影像、語言等基礎應用上打轉,這次我們要來探討一個可應用在企業運作上的實例,銷售預測主要是希望藉由過去的銷售記錄預測下一個週期的銷售量,在統計...

鐵人賽 AI & Machine Learning DAY 15
到底是在learning什麼拉 系列 第 15

技術 [day 14] 分群與相似度-4

Other examples of clustering 我們已經討論完分群與相似度的概念,這邊將再舉出一些例子 圖片搜尋:當你上了Google圖片搜尋,你搜...

鐵人賽 AI & Machine Learning DAY 14
到底是在learning什麼拉 系列 第 14

技術 [day 13] 分群與相似度-3

Clustering documents task overview 基本上檢索文件的方法,只是收集所有文章快速瀏覽並從中挑出最符合我們標準的那一個 但我們可能...

鐵人賽 AI & Machine Learning DAY 21

技術 Day 21:自動擷取摘要(Automatic Text Summarization)

前言 現在人身處網路時代,每天都會收到一堆LINE、Email、Facebook、Instantgram、...等等五花八門的訊息或網頁,花整天看都消化不完,只...