Ref.: Data Dependencies 記得有句話Garbage in, garbage out嗎？Machine Learning中一直不斷的資料...
Ref.: Static vs. Dynamic Inference 只好先充數般的拿Youtube影片來騙點篇幅。 昨天講Train的差異，今天來講Inf...
Evaluate Probability Function 評估機率函數 Evaluate Probability Function 有許多概率分布函數，包含...
Ref.: Static vs. Dynamic training 其實前面還有一篇Production ML Systems，這篇的主要概念就是我們之前的...
電腦視覺（Computer Vision）一直是我非常著迷的領域，旨在模仿人類視覺系統，作為賦予機器人智能行為的助力，在1966年夏季，MIT AI LAB 成...
接續上一篇。 Recurrent neural network 那大家所熟知的 RNN 是怎麼回事呢？我們把假設改了一下： 狀態都是 連續 的。 時間是離散的...
Ref.: Embeddings Translating to a Lower-Dimensional Space 昨天講到把同類型文字歸類在一起，已降低d...
Replace Discrete Values 通常用在兩個變數間，計算結果有兩種： 若 B 欄位屬於 categorical value 分類變量，會計算：...
上次我們講完在空間上，我們可以知道資料的區域性，並且利用 convolution 來萃取特徵。 這次我們來講時間，其實不一定要是"時間"序列...
Ref.: Embedding Embedding我實在不知道怎麼翻比較好，它是把高維度的資料變成低維度，並保留原始資料的特性。有了它，在像是sparse...
在機器學習中，不一定要將資料集的所有欄位資料都加入模型，我們可以保留一些對結果預估影響力強的欄位，也篩選掉一些對結果無影響或不相關的欄位，而線性相關可以計算兩個...
前情提要 在 [精進魔法] Optimization：優化深度學習模型的技巧（上）一文中提及了下面三種優化 deep learning 模型的作法： Batc...
Ref.: Multi-Class Neural Networks 之前的文章都在討論是非題，是A或不是A這樣，這邊要開始介紹multi-class的Neu...
在 Azure Machine Learning Studio 中，可以透過 Compute Elementary Statistics 來計算資料的統計值，像...
上一篇的運算是針對兩個欄位加減乘除或比較後的結果，接下來要介紹的 3 種運算是針對某一欄位的計算結果，感覺是 Basic 基礎運算的擴充，同樣可以將結果以新欄位...
上篇提到怎麼避免 Overfitting 的技巧，本文要帶給大家的是如何優化深度學習，提高模型的效能。 Batch & Mini batch 深度學習每...
若資料集中的兩個特徵值關係或特徵值與某一常數值關係有可能影響結果，那我們可以透過 Apply Math Operation 中的 Compare 及 Opera...
Ref.: Training Neural Networks 影片中講到Backpropagation，它是一種利用chain rule連鎖率這個數學法則，...
當開始興致勃勃的嘗試畫魔法陣，搭建神經網絡模型時，也許會遇到下面的情形： 哥布林之吶喊：我明明在訓練集表現很好啊，為什麼實際上線時結果卻崩潰了（抱頭） 那你...
Ref.: Introduction to Neural Networks 先來回想我們在Day 13 feature crosses提到的nonlinea...
在 Azure Machine Learning Studio 中，Statistical Functions 統計函數包含了許多運算方法，可以針對現有的資料進...
熱身運動都做好了，接下來我們就一路往影像處理上的重要技術 CNN 前進啦！ Convolutional neural network，顧名思義，他是一種神經網路...
Ref.: Regularization for Sparsity Regularization在 Day 14時說過L_2 Regularization，...
我們來更具體一點講 multi-layer perceptron (MLP)。 最簡單的版本莫過於 linear MLP，不過不太會有人去用他，其實只是每層 l...
既然前一篇提到學習特徵是一件重要的事，那麼我們就來講講 autoencoder 吧！ Autoencoder 就是一個 unsupervised 方法，試圖學習...
Ref.: Classification 昨天講了Threshold、TP/TN/FP/FN、Accuracy、Precision、Recall，忘了趕快回...
[Day 24] 人工智慧3.2：機器學習 (29min)-- 監督式學習 (Supervised Learning) => 分類 (Classifi...
機器學習的技術已經發展了非常久的時間，我們有非常多的模型可以幫我們做預測，包含像是 regression、classification、clustering、s...
Ref.: Classification 看到有人關注這系列文章實在很開心，但盡信書不如無書，全信我不如不要學ML。建議多看多學其他的source，以免被...
在機器學習中，輸入的資料欄位稱為 feature(特徵)，輸出的欄位稱為 Label(標籤)，如果資料特徵與模型無關或不重要，通常會干擾模型，影響結果，所以不是...
Joseph-bug
anny
莉森揪
杜岳華
drm
iThome鐵人賽
看影片追技術