iT邦幫忙

machine learning相關文章
共有 713 則文章
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

達標好文 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

達標好文 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

達標好文 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

達標好文 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

達標好文 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...

鐵人賽 AI & Machine Learning DAY 13
到底是在learning什麼拉 系列 第 13

技術 [day 12] 分群與相似度-2

Prioritizing important words with tf-idf 上一個章節提到 normaliztion vectors 解決了我們用單字統計...

鐵人賽 AI & Machine Learning DAY 12
到底是在learning什麼拉 系列 第 12

技術 [day 11] 分群與相似度-1

Document retrieval: A case study in clustering and measuring similarity 在這個章節我們將...

鐵人賽 AI & Machine Learning DAY 20

技術 Day 20:自然語言處理的一些術語介紹

前言 筆者在作上一篇時卡住很久,因為,碰到很多術語,搞得頭暈腦脹,因此本篇花點時間將心得整理起來,與同好共享。內容大致如下: 成效衡量指標(Metrics):...

鐵人賽 AI & Machine Learning DAY 11
到底是在learning什麼拉 系列 第 11

技術 [day 10] 分類-實作

Loading & exploring product review data 在分類這章裡面,我們討論了如何透過分類來搭建情緒分析器 接下將透過一個...

鐵人賽 AI & Machine Learning DAY 19

技術 Day 19:自然語言處理的預訓詞向量(Pre-trained Word Vectors) -- 站在巨人的肩膀上

前言 我們在『Day 09:CNN 經典模型應用』討論到CNN的預先訓練好的模型,並在後續的篇幅,直接套用這些模型在『照片主體的相似性比對』、『畫風轉換』及『物...

鐵人賽 AI & Machine Learning DAY 10
到底是在learning什麼拉 系列 第 10

技術 [day 9] 回歸分析-實作(下)

Inspecting the model coefficients learned sqft_model.get('coefficients') nam...

鐵人賽 AI & Machine Learning DAY 18

技術 Day 18: 機器翻譯(Machine Translation)

目標 今天我們要利用一個 seq2seq 模型,來作英中翻譯,它不是以傳統字典的查詢方式,而是利用 LSTM 演算法,讓機器自我學習,進而達到翻譯的功能。這個程...

鐵人賽 AI & Machine Learning DAY 9

技術 [day 8] 回歸分析-實作(上)

Loading & exploring house sale data 今天要來實作一個跟回歸分析相關的題目,我們將引用課程提供的房價訊息(King C...

鐵人賽 AI & Machine Learning DAY 17

技術 Day 17:GRU (Gated Recurrent Unit) 概念介紹與實作

前言 原來還想多介紹幾個應用,但是,一直擔心忘了另一個RNN的變形 -- GRU,所以,還是先把它處理掉,才好 focus 在應用上。另一方面,LSTM 執行速...

鐵人賽 AI & Machine Learning DAY 8

技術 [day 7] 分類-4

Classifictaion 在前面討論完了classifiers的誤差率與正確率 其中誤差其實有若干種不同的型態 False positives, false...

鐵人賽 AI & Machine Learning DAY 16

達標好文 技術 Day 16:『長短期記憶網路』(LSTM) 應用 -- 情緒分析(Sentiment Analysis)

前言 現在網友都勇於發聲,網路聲量高漲,往往會引領群眾的意向,引發巨大能量,影響國家命運,例如太陽花運動、埃及茉莉花革命,因此,輿情分析已經變成顯學,如何收集網...