前言 上一篇介紹 interact 基本的用法,可以設計使用者介面(UI),但無法取得輸入值,本篇介紹使用另一函數 interactive,可克服此一問題。 測...
前言 撰寫機器學習/深度學習相關程式時,我們常要調整超參數(Hyperparameters),觀察模型的準確度或其他效能指標的變化,如果能設計各式輸入欄位,就很...
前言 Kaldi 是自動語音辨識(Automatic Speech Recognition, ASR)的工具箱,它是以 C/C++ 語言開發的,安裝有點複雜,筆...
前言 Rust 是一個現代版的 C/C++ 程式語言,它加入物件導向、套件安裝(cargo)、函數式程式設計(Functional Programming)、W...
前言 Docker 是一種虛擬化技術,可以透過容器(Container)建立多個虛擬機,也可以將虛擬機存檔,方便大量佈署。 Docker 安裝 在 Ubuntu...
前言 前一篇搞定 Ubuntu 作業系統的安裝,接下來我們繼續安裝『機器學習』的相關軟體及工具,包括 Anaconda、TensorFlow 及 GPU顯卡支援...
前言 機器學習的套件許多都不能在Windows作業系統內順利安裝,就算能安裝也要費一番手腳,因此,興起安裝Linux作業系統的念頭,經過一天的努力,總算搞定,期...
Introduction to Machine Learning Ture and False Deep Learning is part of m...
Machine Learning 上篇文章有簡單提及Machine Learning的定義: Machine Learning:Algorithms w...
完賽心得 轉眼間就過了 30 天啦,第一次參賽有夠菜沒想到還能迎來這一天。要堅持每天發文真的很考驗意志力 (也大大考驗了我的 PPT 作圖技術哈哈哈),期間還經...
前情提要 昨天我們成功將模型部署到 Google AI Platform 上,並且也處理了授權的問題,最後讓 App 成功的運作了,今天我們要完成最後一個步驟...
前情提要 昨天我們成功的讓 App 在本機端運作,但按下 開始預測! 後卻出現了錯誤: 這意味著雖然 App 試圖使用 ironbird/app.py 與 ir...
全民瘋AI系列2.0完賽總結 不知不覺就參加了三屆iT邦鐵人賽,很高興能夠藉由此活動分享經驗與知識。雖然這三十天過程很辛苦,但也透過這種方式督促我整理這些內容。...
有效的使用 Observability 的資料 系列文章 (1/4) - 透過 Machine Learning 發現異常的問題 (2/4) - 使用...
Prerequisites 為了讓接下來的步驟可以順利進行,我們首先要完成以下的前置作業,但因為每個人的作業系統不同 (當然最好是使用 Linux) 所以這裡不...
使用 Heroku 部署機器學習 API 今日學習目標 動手部署自己的機器學習 API 使用 Heroku 免費雲端平台部署應用程式 前言 開發的最後一哩路...
使用 Python Flask 架設 API 吧! 今日學習目標 API 觀念講解 什麼是 API? RESTful API HTTP Request 方法...
接下來幾天的文章會像料理節目一樣,用我事先準備好的材料 (模型、App...) 來進行說明,底下就來整理一下會做的事情吧。 材料: 資料:Kaggle 300...
目標:資料飛輪 在 [Day 02] Why MLOps — 從"地平說" 走向宇宙 我們提到了資料飛輪 (Data Flywheel) 代...
儲存訓練好的模型 今日學習目標 使用 pickle + gzip 儲存模型 將訓練好的模型打包並儲存 載入儲存的模型 讀取打包好的模型並預測 前...
機器學習常犯錯的十件事 今日學習目標 探討機器學習常犯的十件錯誤 前言 人工智慧近年來成為任何產業熱門的話題之一,各公司積極地導入機器學習技術協助產業 AI...
It's truly the beginning. Scoping is a big hurdle. - Michael Printup 前言 機器學習的用...
今日學習目標 了解 K-Fold 各種不同變形 K-Fold Cross-Validation Nested K-Fold Cross Validation...
If you don't know the provenance or the source of the artifact, it's not scienc...
今日學習目標 常見的交叉驗證方法 K-fold Leave one out cross validation Random Subsampling Boot...
I used to be an adventurer like you, then I took an arrow in the knee. — Lots o...
子曰:『工欲善其事,必先利其器。 前言 昨天提到依照 Ground truth 改變的速度會讓不同任務的標註有各種難易度:而依照不同的難度會有不同的標註方法...
今日學習目標 如何選擇最佳的模型? 深入理解度擬合與欠擬合 Bias-Variance Tradeoff 如何避免過擬合與欠擬合? 前言 在機器學習中...
The only thing that never changes is that everything changes. ― Louis L'Amour...
With data collection, ‘the sooner the better’ is always the best answer. – Mari...