iT邦幫忙

machine learning相關文章
共有 760 則文章

技術 Day36 參加職訓(機器學習與資料分析工程師培訓班),網站設計與網頁工程技術

上午: 網站設計與網頁工程技術 # 連接資料庫 import sqlite3 import numpy as np con = sqlite3.connect(...

鐵人賽 AI & Data DAY 20

技術 [Day20] 評估回歸模型的表現(3) - 實例探討R平方與廣義R平方

今天要探討的是我在**[Day13] 多元線性回歸(05) - Example** 中的問題延伸還記得這個例子我用的是Backward Elimination...

鐵人賽 AI/ ML & Data DAY 10

技術 從「這次不會壞吧」到自動化的未來:10 MLOps 系統功能設計 - 部署篇

部署時會用到的功能設計 部署時的功能主要就是要將模型推論的功能建立成 API 讓使用者或其他服務可以調用,這個部分與一般的 API 開發基本相同,開發團隊可以使...

鐵人賽 AI & Data DAY 6

技術 Day6-多項式回歸(Polynomial Regression)

在前幾天的筆記中有介紹過線性回歸(Linear Regression),線性回歸中的因變數與自變數呈現直線關係(線性關係),但實際上直線並不一定能很好的展現因...

鐵人賽 AI & Data DAY 19

技術 [Day19] 評估回歸模型的表現(2) - AdjustedRSquared

這邊引用上課教材來說明 問題:原本的R平方: 目標是找b0, b1, b2 參數使得剩餘平方和最小現在:增加一個自變量到多元線性模型中, 擬合效果會變好還是變差...

鐵人賽 AI & Data DAY 28

技術 [Day 28] Kernel SVM (01)

當數據是linearly separable: 傳統的SVM 可以將兩種數據很好的分類當數據是not linearly separable: 無法在二維空間用...

鐵人賽 AI & Data DAY 11
ML From Scratch 系列 第 11

技術 [Day 11] K nearest neighbors — 背後理論

由於數學函式有顯示不出來的問題,文章內容請至此閱讀

鐵人賽 AI/ ML & Data DAY 2

技術 從「這次不會壞吧」到自動化的未來:02 MLOps 定義

MLOps 是 ML (Machine Learning,機器學習) 加上 DevOps 的概念;DevOps 又是由 Development (開發) 加上...

鐵人賽 AI & Data DAY 13
ML From Scratch 系列 第 13

技術 [Day 13] K nearest neighbors — 解決真實問題

今天我們要透過 KNN 去解決 Spaceship Titanic 此次 Kaggle Competition 跟一開始介紹 Titanic - Machin...

鐵人賽 AI/ ML & Data DAY 4

技術 從「這次不會壞吧」到自動化的未來:04 導入 MLOps 的兩種場景

以昨天討論的內容為例,我們可以讓每個流程都變成自動化。以下分成兩種場景來說明有哪些部分可以利用 MLOps 的工具讓流程更快速便捷,場景為實驗階段及佈署階段:...

鐵人賽 AI & Data DAY 23

技術 機器學習 挑戰 - Day 2

續上一篇機器學習 挑戰 - Day 1,我們今天要來詳細研究一下如何套用machine learning module 來預測BTC的價格。 首先想要研究的是A...

鐵人賽 AI & Data DAY 30

技術 機器學習 挑戰 - Day 9 (完) + 完賽感想

續上一篇機器學習 挑戰 - Day 8 我想使用最後一篇文章來回顧我在第0天的原始計劃以及實際所做的事情。 回報時間框架: 日內交易(每日)- 我主要關注每日...

鐵人賽 AI & Data DAY 1

技術 Day 1 海賊們的考照之路航海圖

在資料科學界翻滾多年,玩了AWS不少服務,也在Edge端摸索許久,卻一直還沒下定決心來征服這一張號稱極有挑戰的證照-AWS Certified Machine...

鐵人賽 AI/ ML & Data DAY 1

技術 從「這次不會壞吧」到自動化的未來:01 緣起

隨著 AI 和機器學習技術的快速發展,企業面臨的挑戰不僅僅是開發出高效的模型,還包括如何快速、安全地將這些模型部署到生產環境中並持續監控和優化。這正是 MLOp...

鐵人賽 影片教學 DAY 1

技術 Day01 - (基礎篇) 開賽,機器學習是幹啥的?

參考資料 : PDF投影片及程式碼 : 2024_iThome_DNN_Security

鐵人賽 AI & Data DAY 3

技術 Day3-線性回歸 (Linear Regression)

說起線性回歸,這是我在學機器學習時碰到的第一個演算法,今天先簡單介紹線性回歸,明天會討論L1、L2正規化 Regression 在講線性回歸之前,先講講回歸...

鐵人賽 AI/ ML & Data DAY 3

技術 從「這次不會壞吧」到自動化的未來:03 機器學習(ML)開發流程介紹

如上圖所示,在選定一個適合以 AI 解決的題目後,我們會進行資料的前處理與模型開發。當模型完成開發後,則會進行驗證,如果模型通過驗收可上線的標準,就會進行佈署...

鐵人賽 AI & Data DAY 20

技術 Day20-K最近鄰 (K-Nearest Neighbors)

點與點之間的距離 K-NN依照點與點之間的距離來計算點之間的相似性 通常使用的距離度量是歐氏距離(Euclidean Distance),但根據實際情況,也可...

鐵人賽 AI & Data DAY 3

技術 【DAY3】什麼是 AI、機器學習 (ML)、深度學習 (DL)?快速掌握三者差異

前言昨天我們提到,AI 需要透過資料來學習與訓練。那麼,資料是如何一步步變成可以做出判斷的 AI 模型呢?其實,AI 的核心是各種算法 (Algorithm),...

鐵人賽 AI & Data DAY 15

技術 [Day15] Polynomial Regression(2)

Example 左邊是我們今天要處理的資料範例今天的故事是A公司HR想要知道某位面試者說他在前公司的薪資是160000的真實性有多高於是他想利用machine...

鐵人賽 AI & Data DAY 20

技術 LLM 和機器學習的介紹-Part 5

續上一篇LLM 和機器學習的介紹-Part 4 ,我們繼續討論一些數據模型(data models)。 實體-關係模型 (Entity Relationship...

鐵人賽 AI & Data DAY 1

技術 進入新手村~介紹機器學習和Python

前言 大家好我是一名目前在資工系裡渾渾噩噩的學生,是昨天被說服參加鐵人賽的,加上早上去 TOPC 當炮灰,所以現在才在趕趕趕的發出第一篇文。我對這個領域基本上也...

鐵人賽 AI & Data DAY 26

技術 [Day26] SVM Intuition

SVM(Support Vector Machine) SVM又叫:支援向量機 有一個二維平面(如上圖), 上面的點是訓練集裡的所有資料紅色代表結果為0, 綠色...

鐵人賽 AI & Data DAY 22

技術 機器學習 挑戰 - Day 1

首先,我想將股票數據導入我的程序並分析其歷史趨勢。 import yfinance as yf import datetime as dt import num...

技術 Setup Mac for Machine Learning (Tensorflow)

Install Visual Studio Coderef: https://code.visualstudio.com1 Download and Insta...

鐵人賽 AI & Data DAY 9

技術 Day9-決策樹 (Decision Trees)

主要用於分類,也可以改為回歸樹(不建議),今天只討論單顆決測樹,明天會學習多顆決策樹組合成的隨機森林 決策樹原理 對資料重複進行二元分割,形成樹狀結構 根...

鐵人賽 AI & Data DAY 25

技術 Day25-CNN 卷積神經網路(Convolutional neural network)

CNN的概念圖如下: ( 圖片來源:https://reurl.cc/l7g1LY ) Convolution Layer 卷積層 卷積的主要概念就是特徵擷...

鐵人賽 AI & Data DAY 1

技術 Day1-前言、機器要解決的問題

前言 我是一名資工系大三的學生,在同學的極力推薦(?)下決定參加這次的鐵人賽,在督促自己學習的同時,也是給未來的自己留一份筆記。六月起參與了三個月的機器學習專案...

鐵人賽 AI & Data DAY 2

技術 Day2-機器學習的情境

本篇僅大概敘述各種情境,無深入探討,各情境常用演算法等將在之後的文章中討論 Supervised Learning (監督式學習) 會告訴機器正確的答案(...