iT邦幫忙

machine learning相關文章
共有 760 則文章
鐵人賽 AI & Data DAY 14

技術 [從Keras框架與數學概念了解機器學習] - 14. 自定義 initializers

這節會觀察自己定義 initializer。 我們可以使用一個 subClass 來定義一個initializer,前提是這個自定義的 initializer...

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 & Data DAY 13

技術 [從Keras框架與數學概念了解機器學習] - 13. 自訂義 Layer

層是模型非常重要的角色,也是模型訓練時張量運算的執行者。層也需要經過build的動作,產生對應的初始權重,供訓練時使用。而訓練時也會透過各層的 Call 函式...

鐵人賽 AI & Data DAY 12
ML From Scratch 系列 第 12

技術 [Day 12] K nearest neighbors — 主題實作

了解完 K nearest neighbors 的理論後,我們今天會透過著名的 iris 資料集來實做它。 Implementation Import Libr...

鐵人賽 AI & Data DAY 12

技術 [從Keras框架與數學概念了解機器學習] - 12. 自定義 Model

從前面Model的文章可以得知,Model繼承base_layer,代表Model也可以當作Layer使用,可以執行 build與 Call。現在要嘗試自訂義...

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 & Data DAY 10
ML From Scratch 系列 第 10

技術 [Day 10] Support Vector Machine — 解決真實問題

讓我們先了解今天 Kaggle Competition 的主題。 House Prices - Advanced Regression Techniques...

鐵人賽 AI & Data DAY 10

技術 [從Keras框架與數學概念了解機器學習] - 10. Model vs Sequence

假設程式不是使用 sequence 來宣告模型,直接使用 model類別的話,差異在哪裡? 會在文中點出差異。 範例程式: from tensorflow.k...

鐵人賽 AI & Data DAY 9

技術 [從Keras框架與數學概念了解機器學習] - 9. evaluate

此篇會觀察模型做評估時使用evaluate之運作。 from tensorflow.keras.datasets import mnist (train_im...

鐵人賽 AI & Data DAY 9
ML From Scratch 系列 第 9

技術 [Day 9] Support Vector Machine — 主題實作

在實作 Support Vector Machine 前,先簡介一下它可以做的任務類型。 支持向量機(Support Vector Machine,SVM)可以...

鐵人賽 AI & Data DAY 3

技術 Day3 在巨人的肩膀上深度學習

深度學習的工具 昨天介紹到深度學習已經發展一段時間了,因此我們一定要依靠巨人們的肩膀,深度學習會使用到很多數學的概念,例如偏微分、矩陣運算、統計學、機率論等等,...

鐵人賽 AI & Data DAY 8
ML From Scratch 系列 第 8

技術 [Day 8] Support Vector Machine — 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 & Data DAY 8

技術 [從Keras框架與數學概念了解機器學習] - 8. Model Predict

此會觀察模型做預測或決定時大致上運作過程,它會怎麼進行。模型訓練好後,可以執行模型實體的 predict 函式來進行判斷訊號。 from tensorflow...

鐵人賽 AI & Data DAY 2

技術 Day2 什麼是深度學習

人工智慧的由來 人工智慧這個名詞在近十年很常聽到,其實早在1956年達特矛斯會議就定義了「人工智慧」這名詞,但是人工智慧並不是一路順遂,在1974年~1980年...

鐵人賽 AI & Data DAY 7
ML From Scratch 系列 第 7

技術 [Day 7] Naive Bayes — 解決真實問題

第7天了! 今天所要學習的是透過 Naive Bayes Classifier 去完成 Digit Recognizer 我們首先可以觀察到這次任務的性質是屬...

鐵人賽 AI & Data DAY 7

技術 [從Keras框架與數學概念了解機器學習] - 7. Model 的 Add 有效使用時機

前面文章在說明 Sequence 建構實例時,將layer物件陣列以建構子參數傳入後,Sequence 會自動將 layer物件陣列裡之物件逐一加入到kera...

鐵人賽 AI & Data DAY 6
ML From Scratch 系列 第 6

技術 [Day 6] Naive Bayes — 主題實作

上次說到 Naive Bayes 是以貝氏定理來解決機器學習上的分類問題。 下方會透過一個簡單的郵件分類來說明 Naive Bayes Classifier 的...

鐵人賽 AI & Data DAY 6

技術 [從Keras框架與數學概念了解機器學習] - 6. Model Build

上節在 model.fit 的敘述中,有提到模型在訓練前會檢查是否有對模型與所包含的層執行過build的動作。而其實可以於model.fit 之前加入程式執行...

鐵人賽 AI & Data DAY 5
ML From Scratch 系列 第 5

技術 [Day 5] Naive Bayes — 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 & Data DAY 5

技術 [從Keras框架與數學概念了解機器學習] - 5. Model Fit

當模型有成功compiler後,就可以透過 keras.engine.training.Model 的 fit 執行訓練。 Keras 官網範例: from...

鐵人賽 AI & Data DAY 4
ML From Scratch 系列 第 4

技術 [Day 4] Polynomial Regression — 解決真實問題

終於到第一次開始實做 Real World problem 了!!!這裡我們會透過 Kaggle competition 來了解 Polynomial Regr...

鐵人賽 AI & Data DAY 4

技術 [從Keras框架與數學概念了解機器學習] - 4. Compiler

這節要描述 Model.Compiler 主要的運作過程。範例程式: from tensorflow.keras.models import Sequenti...

鐵人賽 AI & Data DAY 3
ML From Scratch 系列 第 3

技術 [Day 3] Polynomial Regression — 主題實作

昨天我們聊到 Polynomial Regression 是一種希望透過數據使用多項式預測函數來建模,並且未知的模型參數也是通過數據來估計的回歸模型。 今天我們...

鐵人賽 AI & Data DAY 2
ML From Scratch 系列 第 2

技術 [Day 2] Polynomial Regression — 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 & Data DAY 1
ML From Scratch 系列 第 1

技術 [Day 1] 前言 & 機器學習簡介

前言 在接觸機器學習幾年後,對於背後的理論確仍就是一知半解,於是這系列的文章誕生了。 接下來的文章會以每個主題技術分三天講解: 主題技術之背後理論 從頭實做主...

技術 【Machine Learning】:LLM的一些學習綜整

最近閱讀LLaMA, DeltaEdit paper時,閱讀到了一些好文章值得分享跟紀錄 (絕對不是我把這帳號當記事本用),因此本文章基於以下網站進行撰寫,如下...

技術 YOLO實時檢測提醒司機保持車距— ROG FLOW Z13 GZ301VV實測

目前無論是電動車還是新車,無論是對面的蔚小理(NIO、小鵬、理想、比亞迪),還是歐美的新車,或多或少都有相關的保護行進間的車子之應用,比如降低車速、移動車身等...

技術 JCAATs 提供一種更有效的方法來對數據資料進行集群(Cluster)?

JCAATs- AI 稽核軟體的機器學習指令 CLUSTER 命令俱備有很強大的非監督式學習功能!這個強大的工具使用進階得機器學習演算法來識別模式並根據相似性對...

技術 【Azure MLOps - 6】建立CD pipeline:把機器學習模型部署到staging area

延續上一篇文章,當CI pipeline執行結束後,模型會被下載到【pipeline published artifact區域】。接下來,就把【pipeline...

技術 【Azure MLOps - 5】執行Azure DevOps CI pipeline

上兩篇終於把CI pipeline建立完成,CI pipeline做的就是把資料科學家會在Azure Machine Learning (AML)執行的所有任務...