iT邦幫忙

machine learning相關文章
共有 760 則文章

技術 【Azure MLOps - 1】使用Azure DevOps建立AML pipelines

本篇文章架構 為什麼想要使用CI/CD pipelines 練習教材來源 流程與架構 課前準備 1.為什麼想要使用CI/CD pipelines 用Azur...

鐵人賽 AI & Data DAY 30

技術 [Day 30] Booking.com 從成功模型中學到的經驗(下)及賽末心得

今天的文章中,我們會延續昨天的題目,聊聊 Booking.com 在模型上線後發現的有趣現象。最後,我會再跟大家分享經過這 30 天的鐵人挑戰賽後,我學到的事,...

鐵人賽 AI & Data DAY 30

技術 [Day30] Kernel SVM(03) + 完賽啦

當我們遇到線性不可分問題時可以把數據從有限維度映射到無限維度的空間藉由kernel function 求出一個超平面再將超平面映射回有限維度的空間這堂課老師概述...

鐵人賽 AI & Data DAY 29

技術 [Day 29] Booking.com 從成功模型中學到的經驗(上)

終於到了鐵人賽的尾聲,在經過一個月、看過各大公司依據不同目的、場景設計的演算法後,我們學到了什麼呢?而每間公司在研發並使用各式各樣的模型後,有沒有什麼珍貴的經驗...

鐵人賽 AI & Data DAY 29

技術 [Day 29] Kernel SVM (02)

The Gaussian RBF Kernel 今天要學習 高斯RBF kernel function此函數在二維空間中的圖像就像一座山(0,0) 在圖中是最高...

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 28

技術 [Day 28] Pinterest 如何用機器學習打造更健康的評論系統

對社群網站而言,使用者積極的互動是非常重要的一環。因此,打造一個用戶能夠安心發文、建全的評論環境更是不可忽視的重要任務。社群網站往往會提供用戶檢舉貼文的選項,以...

鐵人賽 AI & Data DAY 27

技術 [Day27] SVM - Example

前面的文章有學到分類器樣板了今天的例子跟 https://ithelp.ithome.com.tw/articles/10305851 用到的一樣然後會套用 h...

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 27

技術 [Day 27] Dropbox 的圖片搜尋演算法

本篇文章使用的圖片皆來自於 Dropbox 的文章 How image search works at Dropbox。 國慶連假後的上班日,Skylar...

鐵人賽 AI & Data DAY 26

技術 [Day 26] Airbnb 使用 ResNet50 標記房間圖片

在國慶連假時,Skylar 使用 Airbnb 預定出遊的住宿地點。而在入住後,他發覺和當初在網站上看到的照片並無二致,圖片品質很好且很精確,也會依照不同房型分...

鐵人賽 AI & Data DAY 25

技術 [Day 25] Spotify 使用 NLP 以助於 Podcast 搜尋

近幾年,Podcast 越發熱門,Spotify 的用戶也越來越頻繁地使用關鍵字搜尋相關節目,希望找到自己有興趣的 Podcast 內容。不過,Podcast...

鐵人賽 AI & Data DAY 25

技術 [Day25] Logistic Regression-打造樣板

下面是使用分類器的python template之後我們會學習其他的分類器只要用這個樣板, 再換上要使用的分類器(step2)類別即可 1. 資料前處理 Im...

鐵人賽 AI & Data DAY 24

技術 [Day24] Logistic Regression-Example(02)

接續上一篇的範例, 接下來學習評估結果 如何看分類器預測出的結果如何 首先用混淆矩陣來看有多少組是正確預測, 有多少組是錯誤預測關於 Confusion mat...

鐵人賽 AI & Data DAY 24

技術 [Day 24] Pinterest 生成推薦內容的方法(四)- PinnerFormer

我們昨天介紹 Pinterest 的推薦系統 PinnerSage,不過那是 2020 年的文章。身為不斷創新的 Pinterest 公司,在 2022 年又提...

鐵人賽 AI & Data DAY 23

技術 [Day23] Logistic Regression-Example(01)

Dataset 今天範例的資料是社交網路上使用者的基本數據包含userID, 性別, 年齡, 預估薪資, 以及是否購買產品 假設有一家汽車公司出了一款新的SU...

鐵人賽 AI & Data DAY 23

技術 [Day 23] Pinterest 生成推薦內容的方法(三)- PinnerSage

昨天我們認識 Pinterest 使用 PinSage 演算法,將每個 pin 和 board 轉成 embedding。不過,只是轉成 embedding 還...

鐵人賽 AI & Data DAY 22

技術 [Day 22] Logistic Regression (1) - 原理

今天要學習的是邏輯回歸左圖是今天的範例我們想要預測不同年紀的顧客購買產品的機率機率高 => 會買機率低 => 不會買 我們一樣可以用線性回歸畫出一條...

鐵人賽 AI & Data DAY 21

技術 [Day21] 評估回歸模型的表現(4) - 回歸模型函數的意義

今天要來繼續探討多元線性回歸參數的意義我們一樣用上一篇的例子來說明 下面我們只針對 Estimate 來討論 參數符號的意義 參數的正負 當參數是正數, 代表自...

鐵人賽 AI & Data DAY 21

技術 [Day21] Pinterest 生成推薦內容的方法(一)- RandomWalk

Skylar 和 Krsitina 最近想要重新裝潢他們家,因此閒來無事時就會到 Pinterest 上看別人分享的裝潢照片作為參考。另外,Krsitina 也...

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 & Data DAY 22

技術 [Day22] Pinterest 生成推薦內容的方法(二)- PinSage

昨天我們一起認識了 random walk 這個方法,Pinterest 在實務上是如何利用這個技術的呢?讓我們今天一起來看 他們提出的 PinSage 演算法...

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 20

技術 [Day 20] 購物網站處理詐騙攻擊的方式

在昨天的文章中,我們聊到 Uber 如何使用 RADAR 系統偵測詐騙行為。今天,讓我們再擴大應用場域,看看跟現今生活密不可分的購物網站是如何處理詐騙問題吧!...

鐵人賽 AI & Data DAY 19

技術 [Day 19] Uber 使用 RADAR 模型偵測詐騙行為

昨天看完 Uber 如何預測抵達時間,今天來聊聊另外一個主題,看看 Uber 的詐騙偵測(fraud detection)吧! 無論是什麼產業,防止詐騙行為都...

鐵人賽 AI & Data DAY 18

技術 [Day18] 評估回歸模型的表現(1) - R squared

R squared (R平方) R平方(R squared)又稱為判定係數(coefficient of determination)是一種衡量回歸模型表現的指...

鐵人賽 AI & Data DAY 18

技術 [Day 18] Uber 要如何估計司機和外送的抵達時間?(下)- DeeprETANet

昨天的文章中提到 Uber 計算預估抵達時間(Estimated Time of Arrival,ETA)時,不僅要考慮路線本身,也會被時間、天氣和交通狀況影響...

鐵人賽 AI & Data DAY 17

技術 [Day17] Polynomial Regression (4)

今天繼續上一篇的範例我們已經建好模型了今天要來改善線的平滑度與測試模型 改善線的平滑度 在試過好幾的degree後可以發現用degree=4 會讓模型結果更接近...

鐵人賽 AI & Data DAY 21
Azure介紹以及應用 系列 第 21

技術 Day-21 Azure Machine Learning Studio 範例-6 (ノ〠_〠)

前言 我們上次架了computr cluster (計算叢集),讓我們機器學習有辦法運用虛擬機來運算,今天教大家我們這個範例的最後一個步驟 步驟 1.匯入資料...

鐵人賽 AI & Data DAY 17

技術 [Day 17] Uber 要如何估計司機和外送的抵達時間?(上)- Self attention 介紹

今天公事繁忙,Skylar 沒有出門買午餐的餘裕,決定使用 Uber 訂購外送。App 顯示的預估抵達時間為 40 分鐘後,他盤算著剛好下一場會議結束後,剛好就...