iT邦幫忙

machine learning相關文章
共有 760 則文章
鐵人賽 AI & Data DAY 13

技術 Day 13:測試 CNN 的桌面程式

前言 前一篇利用【資料增補】(Data Augmentation)技術,擴增訓練資料,對於準確率是否有真的提升嗎? 這次,我們就來實作一個具有書寫介面的桌面程式...

鐵人賽 AI & Data DAY 12

技術 Day 12 Loss function到底損失了甚麼?

Loss function到底損失了甚麼? 今天我們要來介紹一下,Loss function是做甚麼用的,並簡單介紹一些常用的分類Loss function。...

鐵人賽 AI & Data DAY 2

技術 AI & Data_2(機器學習種類)

下面這張圖主要說明,機器學習主要分成: Supervised Learning(監督式學習)、Unsupervised learning(非監督式學習)、Sem...

鐵人賽 AI & Data DAY 12

技術 Day 12:影像資料增補(Data Augmentation)

前言 前一篇利用CNN辨識手寫阿拉伯數字,其實有幾個缺點: MNIST 的訓練資料與滑鼠撰寫的樣式有所差異,我猜 MNIST 的資料收集應該是請受測者寫在紙上...

鐵人賽 AI & Data DAY 11

技術 Day 11 SVM-分分分

SVM-分分分 今天我們要來介紹SVM(Support Vector Machine)。 線性可分 假設現在我們要分類圓形還有正方形,那麼以這個例子來說,可以用...

鐵人賽 AI & Data DAY 1

技術 AI & Data_1(什麼是機器學習)

在介紹之前,我要先自我介紹一下啦!!我是一位軟體工程師,目前從事機器學習的開發,這是我第一次正式參加鐵人挑戰賽,為什麼說是正式呢?因為我去年是自我挑戰組,因為第...

鐵人賽 AI & Data DAY 11

技術 Day 11:卷積神經網路(CNN) 剖析與視覺化

前言 從這一篇開始,我們要開始介紹一些演算法及其應用,了解 Keras 的進階用法。首先,介紹【卷積神經網路】(Convolutional Neural Net...

鐵人賽 AI & Data DAY 10

技術 Day 10 DQN如何實現

DQN如何實現 今天我們要用DQN來解The Taxi Problemcode參考這篇Reinforcement Learning: Deep Q-Networ...

鐵人賽 AI & Data DAY 10

技術 Day 10:運用自訂Callback 追蹤訓練過程( Keras )

前言 之前我們測試過一些內建的Callback,這次筆者要自訂 Callback,將損失寫入 Pandas Data Frame,並且作圖畫出優化的軌跡。 可監...

鐵人賽 AI & Data DAY 9

技術 Day 09:再探TensorBoard

前言 上一篇簡單介紹 TensorBoard 的功能,並且測試以下功能: 追蹤損失和準確率等效能衡量指標(Metrics)。 將圖片寫入 Log。 這次,我...

鐵人賽 AI & Data DAY 8

技術 Day 08:TensorBoard 的初體驗

前言 TensorBoard 是 Tensorflow 提供的視覺化工具,功能非常強大,除了可以顯示訓練的過程,也可以顯示圖片及語音。在訓練的過程中就可以啟動T...

鐵人賽 AI & Data DAY 9

技術 Day 9 DQN是不良人物?!

DQN是不良人物?! DQN(Deep Q learning)是指深度的Q learning,而甚麼是深度呢?複習一下,Q learning有張Q表,而DQN即...

鐵人賽 AI & Data DAY 8

技術 Day 8 Q learning如何實現

Q learning如何實現 今天我們就要來看看如何實現Q learning!code參考這篇製作Q* Learning with FrozenLakev2.i...

鐵人賽 AI & Data DAY 7

技術 Day 07:Keras Callback 的使用

前言 Callback 可以在模型訓練過程中觸發事件,記錄訓練過程產生的資訊、在查核點(Checkpoint)對模型存檔、迫使訓練提早結束...等,除了可以使用...

鐵人賽 AI & Data DAY 7

技術 Day 7 強化學習之Q learning

強化學習之Q learning 介紹完監督式學習與非監督式學習,我們來介紹強化學習! Q learning Q learning為強化學習,根據wiki的描述...

鐵人賽 AI & Data DAY 6

技術 Day 06:Keras 模型結構

前言 從這篇起,我們就Keras各部分的功能進行研究,包括: 模型結構 執行工作記錄(Callback 及 TensorBoard) Dataset Esti...

鐵人賽 AI & Data DAY 6

技術 Day 6 強化學習就是一直學習?

強化學習就是一直學習? 介紹完監督式學習與非監督式學習,我們來介紹強化學習!根據wiki的定義 強化學習(英語:Reinforcement learning,...

鐵人賽 AI & Data DAY 5

技術 Day 5 GAN如何實現

GAN如何實現 今天我們就要來實際來實作一個GAN!code參考這篇製作simple_keras_GAN 前置作業 我們使用Colab來當作我們的實作平台,並使...

鐵人賽 AI & Data DAY 5

技術 Day 05:神經網路的效能調校(續)

前言 上一篇我們作了一些實驗,對單一參數作各種數值的比較,但是,如果同時使用多個參數作各種組合的比較,那就需要撰寫迴圈了,讓每一種組合依序執行,再加上 Cros...

鐵人賽 AI & Data DAY 4

技術 Day 04:神經網路的效能調校(Performance Tuning)

前言 上一篇,我們完成了手寫阿拉伯數字的辨識,但同時也留下很多的問題: 為什麼模型要設成兩層完全連接層(Dense)? 為什麼第一層完全連接層(Dense)要...

鐵人賽 AI & Data DAY 4

技術 Day 4 GAN是一種X話吧?

GAN是一種X話吧? GAN是一種很厲害的技術,可以透過GAN生成以假亂真的圖片。為非監督式學習。 簡介 GAN分為Generator與Discriminato...

鐵人賽 AI & Data DAY 3

技術 Day 3 CNN如何實現

CNN如何實現 今天我們就要來實際來實作一個CNN! 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 fashion_mni...

鐵人賽 AI & Data DAY 3

達標好文 技術 Day 03:撰寫第一支完整的 Keras 程式

前言 上一篇,我們完成了一個神經元的計算,如果要完成整個神經網路的計算,一個一個神經元撰寫,程式碼可能要很多迴圈,才能完成多層式的神經網路,因此,深度學習套件又...

鐵人賽 AI & Data DAY 2

技術 Day 2 CNN是新聞頻道呀~

CNN是新聞頻道呀~ 一般人聽到CNN一定會覺得,這是新聞頻道呀,而我們今天要介紹新聞頻道?其實不是,我們今天要介紹的是Convolutional Neural...

鐵人賽 AI & Data DAY 2

技術 Day 02:梯度下降與自動微分

前言 上一篇講了一堆安裝的困難,如果,本機安裝不起來,可以直接使用Google Colaboratory 雲端環境,它有免費的GPU/TPU 可使用,而且常用套...

鐵人賽 AI & Data DAY 1

技術 Day 1 前言

前言 這是我第一次參加IT邦幫忙的鐵人賽,希望透過一系列的文章來幫助自己複習與學習新知,那麼我們先從機器學習是什麼開始吧! 機器學習 機器學習是人工智慧的其中一...

鐵人賽 AI & Data DAY 1

達標好文 技術 Day 01:輕鬆掌握 Keras

Keras 不是很簡單嗎? Keras 是深度學習最簡單的敲門磚,但是,計畫趕不上變化,所有市面上的書籍都追不上 Keras 版本的更新,例如: Google...

技術 結合交叉驗證之遞迴特徵刪除簡介(recursive feature elimination with cross-validation)

前言 結合交叉驗證之遞迴特徵刪除(recursive feature elimination with cross-validation, RFECV)屬於特徵...

技術 免費票║AI Experience Worldwide兩日線上全球大會

分享免費線上活動 由DataRobot舉辦,內容與AutoML 與 Advanced Analytics相關 光看邀請到的Keynote Speaker,覺得跟...

技術 優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 2

前言 【上一篇】介紹了最小平方法(OLS),接下來,就來欣賞一下『最大概似法』(Maximum likelihood estimation, MLE),它是另一...