iT邦幫忙

machine learning相關文章
共有 778 則文章
鐵人賽 Python DAY 2

技術 一個指令!讓chatgpt一起來參賽吧!

跟著步驟走,你的chatgpt也可以一起參賽! 1.請chatgpt扮演角色: 科技專家+專欄作家+比賽評審 角色定位: 科技專家:我會根據當前的 IT...

鐵人賽 生成式 AI DAY 18

技術 day18 Diagram as Code 創建RAG資料庫計畫:製作給予GenAI的教科書

前言 day16、17我們快速的介紹Diagram as Code函式庫的API,並且介紹常見的幾個元件以及可以客製化的屬性,現在我們打算將此函式庫的API以及...

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 AI/ ML & Data DAY 1

技術 [Day 1] 系列文介紹和規劃大綱

前言 兩年前我也曾經參加過 iThome 舉辦的鐵人賽(當時的系列文:那些在科技公司和 app 背後的資料科學),當時的我才剛畢業,甫入職場,對機器學習專案的想...

鐵人賽 AI/ ML & Data DAY 1

技術 Day 1 - 揭開 AI 的真相

前言 人工智慧 (AI) 是當前科技界的熱門話題,但許多人對它的理解還存在著廣泛的誤區和模糊認知。以我的工作經驗為例,我常發現市調研究報告顯示 AI 產品的年複...

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

技術 Setup Mac for Machine Learning (Tensorflow)

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

技術 藍白🈴民調之統計誤差計算,3%或6%?

前言 今天(2023/11/18)馬英九基金會公布藍白合民意調查的統計結果,雙方未達成共識,癥結點在於統計誤差認知有不同見解,到底統計誤差應該是3%或6%,我們...

鐵人賽 AI & Data DAY 29

技術 Day29-混淆矩陣(confusion matrix)

29天啦!之前實作分類器的時候有用到混淆矩陣,今天也來寫一下相關筆記 混淆矩陣(confusion matrix) 可以用來評估分類模型的準確率 混淆...

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 28

技術 Day28-Single Shot MultiBox Detector (SSD) part3

再續昨天!今天的筆記把論文剩餘的部分整理完 Hard negative mining 難例挖掘 由於存在大量的負樣本,所以導致嚴重的類別不平衡問題,訓練時...

鐵人賽 AI & Data DAY 29

技術 機器學習 挑戰 - Day 8

續上一篇機器學習 挑戰 - Day 7 scikit-learn - 用於構建分類器的最基本的機器學習算法這是 Python 中最廣為人知的機器學習模組,主要用...

鐵人賽 AI & Data DAY 27

技術 # Day27-Single Shot MultiBox Detector (SSD) part2

接續作天,今天講訓練相關策略及方法 training Matching strategy 匹配策略 利用jaccard overlap使ground tr...

鐵人賽 AI & Data DAY 28

技術 機器學習 挑戰 - Day 7

續上一篇機器學習 挑戰 - Day 6 我想要研究一下可否加入多項其他變數來預測未來價格。 在尋找資料時,意外發現有Pytrend這個API可導入。什麼是 P...

鐵人賽 AI & Data DAY 27

技術 機器學習 挑戰 - Day 6

續上一篇機器學習 挑戰 - Day 5,我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。 我想嘗試...

鐵人賽 AI & Data DAY 26

技術 # Day26-Single Shot MultiBox Detector (SSD) part1

今天是大概的概念,training等細節留到明天 VGG-16 SSD的架構是使用VGG-16 13個卷積層+3個全連接層+5個池化層 其卷基層均使用...

鐵人賽 AI & Data DAY 27

技術 [Day 27] XAI在NLP中的應用:以情感分析解釋語言模型

近年來自然語言處理(NLP)領域取得了巨大的進展,主要歸功於大型語言模型(LLM)的崛起。這些模型,如 GPT、LLaMA 和 BLOOM 等,已經在多個 NL...

鐵人賽 AI & Data DAY 26

技術 機器學習 挑戰 - Day 5

續上一篇機器學習 挑戰 - Day 4,我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。 首先,我...

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 26

技術 [Day 26] XAI在表格型資料的應用:解析智慧工廠中的鋼材缺陷

在當今的工業領域中,智慧製造、碳中和以及數位雙生等議題受到廣泛關注。其中機器學習技術已經開始發揮關鍵作用,特別是在虛擬量測和異常檢測方面。在今天的內容中將帶各位...

鐵人賽 AI & Data DAY 24

技術 Day24-CART(Classification and Regression Trees)

是一種決策樹 決策樹 根據特徵進行分割(同子集內盡量相似) 重複分割直到達到設定的深度 建構決策樹 對決策樹進行遍歷,得出結果 CART流程 所有的樹...

鐵人賽 AI & Data DAY 25

技術 機器學習 挑戰 - Day 4

續上一篇機器學習 挑戰 - Day 3,我們今天要詳細研究一下如何套用 tensorflow.keras.models的LSTM 來預測BTC的價格。 在應用t...

鐵人賽 AI & Data DAY 23

技術 Day23-Naive Bayes Classifier

是一種基於機率的分類器 貝氏定理 Bayes’ Theorem 計算在已知一些條件下,某事件的發生機率 通常事件A在事件B已發生的條件下發生的機率,與...

鐵人賽 AI & Data DAY 25

技術 [Day 25] XAI在影像處理中的瑕疵檢測:解釋卷積神經網路的運作

隨著鐵人賽進入尾聲,相信各位已經對可解釋人工智慧(XAI)領域有了一些初步的了解。在接下來的幾天中,我想透過一些實際的例子來介紹 XAI 的實際應用,藉此展示如...

鐵人賽 AI & Data DAY 24

技術 [Day 24] LSTM的可解釋性:從時序資料解析人體姿態預測

在這個系列中,我們已經介紹了深度神經網路中的DNN(深度神經網路)和CNN(卷積神經網路),以及它們如何透過不同的方法進行模型解釋。今天,我們將深入探討如何使用...

鐵人賽 AI & Data DAY 24

技術 機器學習 挑戰 - Day 3

續上一篇機器學習 挑戰 - Day 2,我們今天繼續詳細研究一下如何套用 ARIMA 來預測BTC的價格。 Auto-Regressive Integrated...

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 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...

鐵人賽 AI & Data DAY 22

技術 Day22-LightGBM(Light Gradient Boosting Machine)

利用弱分類器(決策樹)迭代訓練或得強分類器,其具有訓練效果好、不易過擬合等優點。 LightGBM V.S. XGBoost 圖源: https://re...

鐵人賽 AI & Data DAY 23

技術 [Day 23] Attention-Based:使用注意力機制解釋CNN模型

近年來注意力機制(Attention Mechanism)已經成為深度學習和神經網路領域的一個重要研究。它不僅能夠改善模型的性能,還可以增強模型的解釋性。201...