iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 1812 瀏覽

鐵人賽 Google Developers Machine Learning DAY 28

Machine Learning（by Google）系列第 28 篇

技術【Day28】4th：機器學習＋現實世界－癌症預測

開始說明機器學習與現實世界的互動，本篇說明癌症預測文章：ML Systems in the Real World: Cancer Prediction Go...

eyelash*睫毛 ‧ 2019-10-13

0 Like 0 留言 2572 瀏覽

鐵人賽 AI & Data DAY 28

Python機器學習介紹與實戰系列第 28 篇

技術 DAY[28]-Kaggle實戰模型預測與答案輸出

訓練模型 print('START Fit') print('stack_gen') stack_gen_model = stack_gen.fit(np.a...

Austin ‧ 2019-10-13 ‧團隊Bikini Bottom

0 Like 0 留言 4514 瀏覽

鐵人賽 Google Developers Machine Learning DAY 27

Machine Learning（by Google）系列第 27 篇

技術【Day27】3rd：Playground－訓練模型（by TensorFlow）#2

現在使用TensorFlow來訓練我們的這個模組。以下會有幾個步驟：開始準備、製作特徵、以年齡當做分類的特徵、定義模型特徵、訓練深度神經網路模型、評估神經網路...

eyelash*睫毛 ‧ 2019-10-12

1 Like 0 留言 6795 瀏覽

鐵人賽 Google Developers Machine Learning DAY 27

Towards Tensorflow 2.0 系列第 27 篇

技術 [Day-27] 生成對抗網路 (GAN) 實作 Part II

今天我們來實際來跑簡單的Dataset，就是 DL 101 資料集 - MNIST。透過較為簡單的Dataset 來理解像GAN這種相對難的演算法，應該能較容易...

Dan ‧ 2019-10-12

0 Like 0 留言 5270 瀏覽

鐵人賽 AI & Data DAY 27

Python機器學習介紹與實戰系列第 27 篇

技術 DAY[27]-Kaggle實戰 Boosting模型與Stacking

生成這些Boosting模型時，參數已經調整過，若是對調整超參數有其他想法也可以使用第16天的超參數調整哦！ from sklearn.ensemble imp...

Austin ‧ 2019-10-12 ‧團隊Bikini Bottom

0 Like 0 留言 4351 瀏覽

鐵人賽 Google Developers Machine Learning DAY 26

Machine Learning（by Google）系列第 26 篇

技術【Day26】3rd：Playgrand－公平（Fairness）#1

進入遊戲區體驗Fairness的機器學習，將會練習之前所說的不同的差異以及用子組合，來評估模型性能。文章（本篇分成兩章文章）開始前資料：用成人普查收入...

eyelash*睫毛 ‧ 2019-10-11

0 Like 0 留言 12080 瀏覽

鐵人賽 Google Developers Machine Learning DAY 26

Towards Tensorflow 2.0 系列第 26 篇

技術 [Day-26] 生成對抗網路 (GAN) 實作 Part I

今天我們來實作GAN，簡單複習一下，GAN的Component 有 Generator 以及 Discriminiator 。而 Generator 任務就是...

Dan ‧ 2019-10-11

0 Like 0 留言 2587 瀏覽

鐵人賽 AI & Data DAY 26

Python機器學習介紹與實戰系列第 26 篇

技術 DAY[26]-Kaggle實戰模型準備-線性模型

資料的部分準備完畢之後，接下來最重要的就是模型的產生以及訓練了，在這裡我們先定義了線性模型的交叉驗證以及參數組合，方便之後進行使用。定義交叉驗證評分函數 imp...

Austin ‧ 2019-10-11 ‧團隊Bikini Bottom

0 Like 0 留言 2889 瀏覽

鐵人賽 Google Developers Machine Learning DAY 25

Machine Learning（by Google）系列第 25 篇

技術【Day25】3rd：Fairness－評估偏差（evaluating for bias）

在評估模型的時候，會發現模型與結果有誤差，模型無法針對我們的測試集反映出真正結果，這就是評估的偏差（evaluating for bias）。這時候就是需要用到...

eyelash*睫毛 ‧ 2019-10-10

2 Like 0 留言 12682 瀏覽

鐵人賽 Google Developers Machine Learning DAY 25

Towards Tensorflow 2.0 系列第 25 篇

技術 [Day-25] 生成對抗網路 (GAN) 介紹

今天我們來討論最近很流行的GAN，而最近很多新聞或者很多Youtuber都在討論他的應用，Ex: DeepFake 或者一些人像修圖應用。都是GAN的應用。 G...

Dan ‧ 2019-10-10

0 Like 0 留言 1299 瀏覽

鐵人賽 AI & Data DAY 25

Python機器學習介紹與實戰系列第 25 篇

技術 DAY[25]-Kaggle實戰特徵處理(2)

將特徵都整理的差不多之後，由於當初我們合併了Train以及Test兩個資料集，要在最後將原先的資料切割開，並簡單處理一下離群值。 # y為測試集 X = fin...

Austin ‧ 2019-10-10 ‧團隊Bikini Bottom

0 Like 0 留言 1165 瀏覽

鐵人賽 Google Developers Machine Learning DAY 24

Machine Learning（by Google）系列第 24 篇

技術【Day24】3rd：Fairness之確定偏見（Identifying Bias）

在資料中有哪些偏見會產生呢？讓我們看下去文章：Fairness: Identifying Bias Missing Feature Values：我們的...

eyelash*睫毛 ‧ 2019-10-09

1 Like 0 留言 24447 瀏覽

鐵人賽 Google Developers Machine Learning DAY 24

Towards Tensorflow 2.0 系列第 24 篇

技術 [Day-24] VAE(Variational AutoEncoder) 實作

今天我們來討論一個進化的AutoEncoder - Variational AutoEncoder。先回顧一下AutoEncoder的架構，AutoEncode...

Dan ‧ 2019-10-09

0 Like 0 留言 1534 瀏覽

鐵人賽 AI & Data DAY 24

Python機器學習介紹與實戰系列第 24 篇

技術 DAY[24]-Kaggle實戰特徵新增

新增特徵本篇文章將特徵之間的關係做一個簡單的連結並產生新的特徵，產生新特徵這個動作在連結不同要素的影響時是很重要的，例如同時購買a與b一個特徵，以及買a、買b...

Austin ‧ 2019-10-09 ‧團隊Bikini Bottom

0 Like 0 留言 1526 瀏覽

鐵人賽 Google Developers Machine Learning DAY 23

Machine Learning（by Google）系列第 23 篇

技術【Day23】3rd：公平（Fairness）

人對於自己在意的東西都會有所偏頗，可能在給予資料的時候就在不知不覺中進行篩選。要如何維持中立，不偏頗呢？這就是本篇所要探討的重點。文章：Fairness 在...

eyelash*睫毛 ‧ 2019-10-08

0 Like 0 留言 4954 瀏覽

鐵人賽 Google Developers Machine Learning DAY 23

Towards Tensorflow 2.0 系列第 23 篇

技術 [Day 23] AutoEnoder 實作

今天來實作昨天討論的AutoEncoder，簡單複習一下，AutoEndoer的架構其實就如同下圖source Input 資料後，會放到Neural Netw...

Dan ‧ 2019-10-08

0 Like 0 留言 1875 瀏覽

鐵人賽 AI & Data DAY 23

Python機器學習介紹與實戰系列第 23 篇

技術 DAY[23]-Kaggle實戰特徵轉換

特徵調整在這裡要使用一個較特殊的運算叫做boxcox，boxcox1p則是加上1之後才做boxcox避免過程中出現錯誤，boxcox的公式如下。做完這個轉換...

Austin ‧ 2019-10-08 ‧團隊Bikini Bottom

0 Like 0 留言 2247 瀏覽

鐵人賽 Google Developers Machine Learning DAY 22

Machine Learning（by Google）系列第 22 篇

技術【Day22】3rd：數據依賴關係（Data Dependencies）

在程式開發中，對於程式的品質非常重要，我們有各個種測試方式測試，最常用的就是單元測試（Unit test）。但是機器學習沒有這樣的機制，只能用直接輸入數據，直接...

eyelash*睫毛 ‧ 2019-10-07

0 Like 0 留言 1464 瀏覽

鐵人賽 AI & Data DAY 22

Python機器學習介紹與實戰系列第 22 篇

技術 DAY[22]-Kaggle實戰補值與特徵新增(2)

延續上一次的補值，在特殊的行當中，我們可以從行本身的意義判斷出應該補的值，例如當車庫的屬性為空值，可能原因就是該棟房子並沒有車庫，因此這些相關的面積等等資訊都可...

Austin ‧ 2019-10-07 ‧團隊Bikini Bottom

0 Like 0 留言 4786 瀏覽

鐵人賽 Google Developers Machine Learning DAY 22

Towards Tensorflow 2.0 系列第 22 篇

技術 [Day-22] Unsupervised Learning - AutoEnocder介紹

今天開始，我們來聊聊非監督式的學習。前面所提的演算法，大部分都是監督式學習，也就是通常都是Label好的資訊 (Ex: 透過已經蒐集到的股價資訊或者已經Labe...

Dan ‧ 2019-10-07

0 Like 0 留言 1593 瀏覽

鐵人賽 AI & Data DAY 21

Python機器學習介紹與實戰系列第 21 篇

技術 DAY[21]-Kaggle實戰補值與特徵新增(1)

在上次的處理中尚未除去明顯的極端值，因此這次我們針對面積超過一定程度的資料進行刪除。 train = train[train.GrLivArea < 45...

Austin ‧ 2019-10-06 ‧團隊Bikini Bottom

0 Like 0 留言 6196 瀏覽

鐵人賽 Google Developers Machine Learning DAY 21

Towards Tensorflow 2.0 系列第 21 篇

技術 [Day-21] Wide & Deep 推薦系統實作

今天討論的主題主要是Google這篇曾經在2016年release 在Google Play的app上所做的推薦系統，而他有被open source 在 Ten...

Dan ‧ 2019-10-06

0 Like 0 留言 1400 瀏覽

鐵人賽 Google Developers Machine Learning DAY 21

Machine Learning（by Google）系列第 21 篇

技術【Day21】3rd：靜態推理vs動態推理

本篇要學習靜態和動態推理，這是在機器學習中所要選擇的兩種不同推理。文章：Static vs. Dynamic Inference 在設計機器學習中，有一環要...

eyelash*睫毛 ‧ 2019-10-06

0 Like 0 留言 1983 瀏覽

鐵人賽 Google Developers Machine Learning DAY 20

Machine Learning（by Google）系列第 20 篇

技術【Day20】3rd：靜態與動態訓練（Static vs. Dynamic Training）

文章：Static vs. Dynamic Training 進行模型訓練方式依據資料是否會變動，將分成兩種方式：靜態（static）和動態（dynamic）...

eyelash*睫毛 ‧ 2019-10-05

0 Like 0 留言 11121 瀏覽

鐵人賽 Google Developers Machine Learning DAY 20

Towards Tensorflow 2.0 系列第 20 篇

技術 [Day-20] 推薦系統介紹 (Recommendation System)

今天我們來討論推薦系統，現在大家的生活環境充滿了推薦系統的應用，不管是在Youtube聽音樂或者是在商城購物，都充斥著推薦系統的應用。什麼是推薦系統？推薦系統就...

Dan ‧ 2019-10-05

0 Like 0 留言 2044 瀏覽

鐵人賽 AI & Data DAY 20

Python機器學習介紹與實戰系列第 20 篇

技術 DAY[20]-Kaggle實戰-資料前處理與EDA

匯入與觀察資料 from google.colab import drive drive.mount('/content/gdrive') train = pd...

Austin ‧ 2019-10-05 ‧團隊Bikini Bottom

0 Like 0 留言 1013 瀏覽

鐵人賽自我挑戰組 DAY 23

機器學習入門系列第 23 篇

技術 ML_Day23(Ridge Regression)

簡單回顧之前在介紹 Gradient Descent 及 ML入門（十五）Regularization(Solving overfitting)都有提到，在做...

wty81213 ‧ 2019-10-05

0 Like 0 留言 7668 瀏覽

鐵人賽 AI & Data DAY 13

一服見效的 AI 應用系列第 14 篇

技術 Day 14：客服人力規劃(Workforce Planning) -- 線性規劃求解

前言十幾年前到電信公司工作時，接到的第一個專案就是要幫客服中心安排人力班表，我們調查過很多國內外的WFM(Workforce Management)系統，通...

I code so I am ‧ 2019-10-05

0 Like 0 留言 1321 瀏覽

鐵人賽 Google Developers Machine Learning DAY 19

Machine Learning（by Google）系列第 19 篇

技術【Day19】3rd：Google機器學習環境

本篇會講一些Google提供的機器學習之環境到底是怎樣，如何協助我們。文章：Production ML Systems 這是課程中描繪的圖片：明顯的看得出來...

eyelash*睫毛 ‧ 2019-10-04

0 Like 0 留言 20542 瀏覽

鐵人賽 Google Developers Machine Learning DAY 19

Towards Tensorflow 2.0 系列第 19 篇

技術 [Day-19] BERT 初探

Multi-label Text Classification using BERT – The Mighty Transformer 今天要來芝麻街上英文課囉...

Dan ‧ 2019-10-04

技術 【Day28】4th：機器學習＋現實世界－癌症預測

技術 DAY[28]-Kaggle實戰 模型預測與答案輸出

技術 【Day27】3rd：Playground－訓練模型（by TensorFlow）#2

技術 [Day-27] 生成對抗網路 (GAN) 實作 Part II

技術 DAY[27]-Kaggle實戰 Boosting模型與Stacking

技術 【Day26】3rd：Playgrand－公平（Fairness）#1

技術 [Day-26] 生成對抗網路 (GAN) 實作 Part I

技術 DAY[26]-Kaggle實戰 模型準備-線性模型

技術 【Day25】3rd：Fairness－評估偏差（evaluating for bias）

技術 [Day-25] 生成對抗網路 (GAN) 介紹

技術 DAY[25]-Kaggle實戰 特徵處理(2)

技術 【Day24】3rd：Fairness之確定偏見（Identifying Bias）