iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 1305 瀏覽

鐵人賽 AI & Data DAY 17

Python機器學習介紹與實戰系列第 17 篇

技術 DAY[17]-競賽平台介紹

知道許多機器學習的知識之後，想必各位一定會想要有些實戰的經驗，在這裡我推薦兩個我自己常使用的競賽平台，有興趣參加競賽的讀者可以到這些平台參加競賽累積經驗。 T-...

Austin ‧ 2019-10-02 ‧團隊Bikini Bottom

2 Like 0 留言 7725 瀏覽

鐵人賽 AI & Data DAY 16

Python機器學習介紹與實戰系列第 16 篇

技術 DAY[16]-機器學習(7)超參數調整

上一篇在交叉驗證的過程中，提到超參數的計算是使用窮舉法，因此要設定好參數的區間，來在訓練的過程中對參數進行測試。而在這次使用中我參考了本篇文章：LightGBM...

Austin ‧ 2019-10-01 ‧團隊Bikini Bottom

0 Like 0 留言 1797 瀏覽

鐵人賽 Google Developers Machine Learning DAY 15

Machine Learning（by Google）系列第 15 篇

技術【Day15】2rd：表現（Representation）

先前說了資料集的處理及分配，但是到底資料要如何提供呢？怎樣的資料才是好的呢？資料處理是機器學習重要的一環，資料找出特徵，讓資料得以表現出他的價值，也就是可以給...

eyelash*睫毛 ‧ 2019-09-30

1 Like 0 留言 51243 瀏覽

鐵人賽 Google Developers Machine Learning DAY 16

Towards Tensorflow 2.0 系列第 16 篇

技術 [Day-16] RNN - LSTM介紹

今天我們來討論深度學習中，專門在Run時間序列型資料的網路模型 - Recurrent Neural Network (RNN)，在之前所討論到DNN跟CNN模...

Dan ‧ 2019-10-01

0 Like 0 留言 21655 瀏覽

鐵人賽 Google Developers Machine Learning DAY 15

Towards Tensorflow 2.0 系列第 15 篇

技術 [Day-15] CNN - ResNet 實作

當今天層數越疊越深，若不做任何的處理機制，準確度其實是會越來越糟糕！因為當疊層數疊超過一個層數，會發生像Gradient vanishing或者說Degrada...

Dan ‧ 2019-09-30

0 Like 0 留言 2225 瀏覽

鐵人賽自我挑戰組 DAY 18

機器學習入門系列第 18 篇

技術 ML_Day18(K-Means)

什麼是非監督式學習之前我們所介紹的幾種分類方法都監督式學習，而非監督式學習演算法只基於輸入資料找出模式，無法正確找出結果。K-Means就是透過這個概念將資料...

wty81213 ‧ 2019-09-30

0 Like 0 留言 1230 瀏覽

鐵人賽 Google Developers Machine Learning DAY 27

Google'sMachineLearning-挑戰機器智慧極限系列第 27 篇

技術 [Day27]梯度下降法

梯度下降是一種演算法專門讓Model進行學習，也就是更新內部參數的演算法，要調整Model裡的參數，首先我們必須要找到Model應該要往哪個方向調整，再來就是我...

nightlan1015297 ‧ 2019-09-30

0 Like 0 留言 9451 瀏覽

鐵人賽 AI & Data DAY 15

Python機器學習介紹與實戰系列第 15 篇

技術 DAY[15]-機器學習(6)交叉驗證

在上一章節我們提到，實作模型的過程需要在變異與偏誤之間權衡，本章我們就延續之前使用的糖尿病資料集，搭配sklearn提供的函式來進行簡單的交叉驗證吧! 驗證集的...

Austin ‧ 2019-09-30 ‧團隊Bikini Bottom

0 Like 0 留言 8859 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 1866 瀏覽

鐵人賽 Google Developers Machine Learning DAY 14

Machine Learning（by Google）系列第 14 篇

技術【Day14】2rd：驗證集

有了訓練、測試等資料集，要驗證模組是否正確，也就需要驗證集（validation data）〈圖一、訓練與測試集〉我們把資料分成兩個部分，一個是訓練集，一...

eyelash*睫毛 ‧ 2019-09-29

2 Like 0 留言 3105 瀏覽

鐵人賽自我挑戰組 DAY 17

機器學習入門系列第 17 篇

技術 ML_Day17(隨機森林(Random Forest))

介紹Random Forest的基本原理是，結合多顆CART樹（CART樹為使用GINI算法的決策樹），並加入隨機分配的訓練資料，以大幅增進最終的運算結果。顧...

wty81213 ‧ 2019-09-29

2 Like 0 留言 10309 瀏覽

鐵人賽 Google Developers Machine Learning DAY 14

Towards Tensorflow 2.0 系列第 14 篇

技術 [Day-14] CNN - VGG 實作

今天我們來使用TF 2.0來實作VGG 16，那為什麼選擇VGG 16呢？雖然VGG 16並未拿下當年ILSVRC 的分類比賽的冠軍 (當年由Google所發明...

Dan ‧ 2019-09-29

0 Like 0 留言 2135 瀏覽

鐵人賽 Google Developers Machine Learning DAY 26

Google'sMachineLearning-挑戰機器智慧極限系列第 26 篇

技術 [Day26]LossFunction

介紹完神經網路，現在我們要來談Loss Function啦！在神經網路裡，我們有輸入，並會得到神經網路的預測，不過我們要如何告訴神經網路，它哪裡做錯了？應該要改...

nightlan1015297 ‧ 2019-09-29

0 Like 1 留言 3151 瀏覽

鐵人賽 AI & Data DAY 14

Python機器學習介紹與實戰系列第 14 篇

技術 DAY[14]-機器學習(5) 變異(variance)與偏誤(bias)

我們都知道機器學習最常見的指標就是準確程度，不論是迴歸類型的模型還是分類的模型，都有衡量準確度的方法，但是在一般的場合裡，我們是不會有正確的答案可以提供驗證的，...

Austin ‧ 2019-09-29 ‧團隊Bikini Bottom

0 Like 0 留言 4918 瀏覽

鐵人賽 Google Developers Machine Learning DAY 13

Machine Learning（by Google）系列第 13 篇

技術【Day13】2rd：訓練與測試資料集

本篇也是進行說明，是關於訓練資料與測試資料相關資訊。上篇說明模型「泛化」，當我們做出模型的時候，要進行調整與測試，讓我們的預測越接近現況。而在這邊要規劃我們...

eyelash*睫毛 ‧ 2019-09-28

0 Like 0 留言 1177 瀏覽

鐵人賽 Google Developers Machine Learning DAY 25

Google'sMachineLearning-挑戰機器智慧極限系列第 25 篇

技術 [Day25]神經網路

我們終於走到ML歷史的最後一段了！這代表我們要來談談神經網路啦！其實神經網路並不是甚麼興新的技術！它其實在很久了，不過神經網路剛被提出時，那個年代不管是在儲存、...

nightlan1015297 ‧ 2019-09-28

0 Like 0 留言 8996 瀏覽

鐵人賽自我挑戰組 DAY 16

機器學習入門系列第 16 篇

技術 ML_Day16(決策樹(Decision Tree))

介紹之前我們在做二元分類的時候有介紹幾種模型，perceptron，linear classification。這邊我們要介紹另一種更好懂得模型，決策樹(De...

wty81213 ‧ 2019-09-28

0 Like 0 留言 3025 瀏覽

鐵人賽 AI & Data DAY 13

Python機器學習介紹與實戰系列第 13 篇

技術 DAY[13]-機器學習(4)競賽常勝軍(xgboost&lightgbm)

接下來要介紹的是數據競賽中最常見到的兩個模型，xgboost以及lightgbm。這兩個模型都是基於前一篇文章所提到的Boosting演算法，基於決策樹來形成的...

Austin ‧ 2019-09-28 ‧團隊Bikini Bottom

1 Like 0 留言 5254 瀏覽

鐵人賽 AI & Data DAY 13

一服見效的 AI 應用系列第 13 篇

技術 Day 13：快速完成一個『對話機器人』(ChatBot) -- 續

前言前一篇我們用了不到20行的程式，解析使用者說的話，程式了解語意後，要如何回應呢? 今天就來探討一下吧。回應(Response) 回應的作法有很多種：...

I code so I am ‧ 2019-09-28

0 Like 0 留言 22388 瀏覽

鐵人賽 Google Developers Machine Learning DAY 12

Machine Learning（by Google）系列第 12 篇

技術【Day12】2rd：泛化（Generalization）

這篇在說理論，說明何謂「Generalization」，以及要訓練機器學習的時候有什麼原則。（本篇是Generalization) 何謂「泛化（Genera...

eyelash*睫毛 ‧ 2019-09-27

0 Like 0 留言 8820 瀏覽

鐵人賽 Google Developers Machine Learning DAY 13

Towards Tensorflow 2.0 系列第 13 篇

技術 [Day-13] CNN介紹

今天我們來討論Deep learning經典的模型之一 - Convolutional Neural Network (CNN)的架構。目前CNN被大量使用的影...

Dan ‧ 2019-09-28

0 Like 0 留言 1100 瀏覽

鐵人賽 Google Developers Machine Learning DAY 24

Google'sMachineLearning-挑戰機器智慧極限系列第 24 篇

技術 [Day24]Kernel函數

Kernel函數在我們離開決策樹之後，我們要進到SVM了！SVM的中文全名叫做支援向量機！我們在兩組資料間，可以找到一條分界來對資料進行分界，而SVM利用了K...

nightlan1015297 ‧ 2019-09-27

0 Like 0 留言 845 瀏覽

鐵人賽自我挑戰組 DAY 15

機器學習入門系列第 15 篇

技術 ML_Day15(Regularization(Solving overfitting))

簡單回顧介紹regularization之前，必須要了解什麼是overfitting。在之前的章節或多或少都有提到overfitting這號人物，那他為什麼那...

wty81213 ‧ 2019-09-27

0 Like 0 留言 5602 瀏覽

鐵人賽 AI & Data DAY 12

一服見效的 AI 應用系列第 12 篇

技術 Day 12：快速完成一個『對話機器人』(ChatBot)

前言今年最夯的AI應用非『對話機器人』(ChatBot)莫屬了，許多大企業都已建置相關應用系統，並配置一組專案人員維運，一方面提昇機器人智慧，另一方面不斷擴展...

I code so I am ‧ 2019-09-27

1 Like 1 留言 17821 瀏覽

鐵人賽 Google Developers Machine Learning DAY 12

Towards Tensorflow 2.0 系列第 12 篇

技術 [Day-12] TF.Keras api & Customized

今天的話，我們來討論一下tf.keras的api。首先，今天要討論的tf.keras與我們所熟知的keras是不太一樣的，以前我們所使用的keras，他的bac...

Dan ‧ 2019-09-27

0 Like 0 留言 3456 瀏覽

鐵人賽 AI & Data DAY 12

Python機器學習介紹與實戰系列第 12 篇

技術 DAY[12]-機器學習(3)整體學習

介紹完機器學習最主要的兩種類型之後，接著就是對於模型更進一步改進的介紹了，本部分最主要解釋的是整體學習(ensamble learning)的想法。弱學習器與...

Austin ‧ 2019-09-27 ‧團隊Bikini Bottom

0 Like 0 留言 5018 瀏覽

鐵人賽 Google Developers Machine Learning DAY 11

Machine Learning（by Google）系列第 11 篇

技術【Day11】2rd：TensorFlow初步學習－線性回歸（linear regression）

熟悉TensorFlow的第一步就是製作線性回歸（linear regression），此篇也是從First Steps with TensorFlow而來，以...

eyelash*睫毛 ‧ 2019-09-26

0 Like 0 留言 1561 瀏覽

鐵人賽 Google Developers Machine Learning DAY 23

Google'sMachineLearning-挑戰機器智慧極限系列第 23 篇

技術 [Day23]決策樹(Decision Tree)

在上一篇我們稍為介紹了神經網路之後，我們要來看看另外一個機器學習的分支，Decision Tree。決策樹 Decision Tree 而要如何運用決策樹呢...

nightlan1015297 ‧ 2019-09-26

0 Like 0 留言 23994 瀏覽

鐵人賽 Google Developers Machine Learning DAY 11

Towards Tensorflow 2.0 系列第 11 篇

技術 [Day-11] 模型視覺化 - Tensorboard

針對模型視覺化，Tensorflow有做了一個Dashboard - Tensorboard，方便使用者理解模型以及tuning。而Tensorboard非常強...

Dan ‧ 2019-09-26

0 Like 0 留言 6023 瀏覽

鐵人賽 AI & Data DAY 11

Python機器學習介紹與實戰系列第 11 篇

技術 DAY[11]-機器學習(2)非監督式機器學習

還記得我們所說的，監督式機器學習是需要「正確答案」的，因此反過來說，非監督式機器學習就是不需要給定一個正確答案，那沒有正確答案要預測什麼呢？非監督式機器學習在...

Austin ‧ 2019-09-26 ‧團隊Bikini Bottom

技術 DAY[17]-競賽平台介紹

技術 DAY[16]-機器學習(7)超參數調整

技術 【Day15】2rd：表現（Representation）

技術 [Day-16] RNN - LSTM介紹

技術 [Day-15] CNN - ResNet 實作

技術 ML_Day18(K-Means)

技術 [Day27]梯度下降法

技術 DAY[15]-機器學習(6)交叉驗證

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

技術 【Day14】2rd：驗證集

技術 ML_Day17(隨機森林(Random Forest))

技術 [Day-14] CNN - VGG 實作

技術 [Day26]LossFunction

技術 DAY[14]-機器學習(5) 變異(variance)與偏誤(bias)

技術 【Day13】2rd：訓練與測試資料集

技術 [Day25]神經網路

技術 ML_Day16(決策樹(Decision Tree))

技術 DAY[13]-機器學習(4)競賽常勝軍(xgboost&lightgbm)

技術 Day 13：快速完成一個『對話機器人』(ChatBot) -- 續

技術 【Day12】2rd：泛化（Generalization）

技術 [Day-13] CNN介紹

技術 [Day24]Kernel函數

技術 ML_Day15(Regularization(Solving overfitting))

技術 Day 12：快速完成一個『對話機器人』(ChatBot)

技術 [Day-12] TF.Keras api & Customized

技術 DAY[12]-機器學習(3)整體學習

技術 【Day11】2rd：TensorFlow初步學習－線性回歸（linear regression）

技術 [Day23]決策樹(Decision Tree)

技術 [Day-11] 模型視覺化 - Tensorboard

技術 DAY[11]-機器學習(2)非監督式機器學習

標記使用者

技術【Day15】2rd：表現（Representation）

技術【Day14】2rd：驗證集

技術【Day13】2rd：訓練與測試資料集

技術【Day12】2rd：泛化（Generalization）

技術【Day11】2rd：TensorFlow初步學習－線性回歸（linear regression）