iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

2 Like 1 留言 2857 瀏覽

鐵人賽 AI & Data

全民瘋AI系列2.0 系列第 31 篇

技術 [全民瘋AI系列2.0] 完賽總結

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。...

10程式中 ‧ 2021-10-13

1 Like 0 留言 2837 瀏覽

鐵人賽 AI & Data DAY 16

機器學習模型圖書館：從傳統模型到深度學習系列第 17 篇

技術 17 Autoencoder

既然前一篇提到學習特徵是一件重要的事，那麼我們就來講講 autoencoder 吧！ Autoencoder 就是一個 unsupervised 方法，試圖學習...

杜岳華 ‧ 2018-10-17

0 Like 0 留言 2780 瀏覽

鐵人賽 AI & Data DAY 15

揭開黑箱模型：探索可解釋人工智慧系列第 15 篇

技術 [Day 15] SHAP實作：實戰演練SHAP解釋方法

昨天已經瞭解了 SHAP 套件背後的核心技術。SHAP 提供多種解釋工具，可應用於不同類型的模型： KernelExplainer（Kernel SHAP）：...

10程式中 ‧ 2023-09-28

0 Like 0 留言 2771 瀏覽

鐵人賽 Google Developers Machine Learning DAY 4

Machine Learning（by Google）系列第 4 篇

技術【Day4】First：損失函數

機器學習的目標，就是要預測未來，預測能越準越好，但是要怎麼知道準不準確呢？這時候「損失函數」（loss function）就很好用了！當損失函數越小，表示這個m...

eyelash*睫毛 ‧ 2019-09-19

0 Like 0 留言 2769 瀏覽

鐵人賽 AI & Data DAY 8

Python機器學習介紹與實戰系列第 8 篇

技術 DAY[8]-數據前處理(2) 補值與EDA(2)

接續上次的EDA，我們接著觀察每個特徵的分布狀況，使用seaborn可以快速的將數據的分布圖繪製出來 from scipy.stats import norm...

Austin ‧ 2019-09-23 ‧團隊Bikini Bottom

0 Like 0 留言 2758 瀏覽

鐵人賽 Everything on Azure DAY 3

Azure Machine Learning Studio 系列第 3 篇

技術 Azure Machine Learning Studio 資料前處理 - 資料格式轉換 Data Format Conversions

Azure Machine Learning Studio 的 Data Format Conversions 可將資料集的資料做格式轉換，有以下5種： Co...

anny ‧ 2018-10-16

0 Like 0 留言 2757 瀏覽

鐵人賽 Google Developers Machine Learning DAY 7

Google'sMachineLearning-挑戰機器智慧極限系列第 7 篇

技術 [Day07]資料的流動，以及訓練與預測處理的差別

這篇其實又再推坑GCP啦！主要會講到DataFlow和一些TensorFlow耶~。↓↓↓↓↓正文↓↓↓↓↓ Stream Data 以及 Batch Dat...

nightlan1015297 ‧ 2019-09-10

0 Like 0 留言 2749 瀏覽

技術 [ML] Pipeline無法縮放目標之解決方法

本偏示範了如何將Pipeline與TransformedTargetRegressor結合，前者負責處理輸入特徵的縮放；後者針對目標輸出作縮放。若有更進一步需求...

a26833765 ‧ 2020-05-25

0 Like 0 留言 2737 瀏覽

鐵人賽 AI & Machine Learning DAY 27

到底是在learning什麼拉系列第 27 篇

技術 [Day26] Deploying machine learning as a service

Deploying an ML service 截至目前為止，我們已經大概知道如何用資料來建立 machine learning 的模組以及如何評量它的質量，...

nylon ‧ 2018-01-14 ‧團隊晶心壯士

0 Like 1 留言 2709 瀏覽

鐵人賽 AI & Data DAY 14

Python機器學習介紹與實戰系列第 14 篇

技術 DAY[14]-機器學習(5) 變異(variance)與偏誤(bias)

我們都知道機器學習最常見的指標就是準確程度，不論是迴歸類型的模型還是分類的模型，都有衡量準確度的方法，但是在一般的場合裡，我們是不會有正確的答案可以提供驗證的，...

Austin ‧ 2019-09-29 ‧團隊Bikini Bottom

0 Like 0 留言 2655 瀏覽

鐵人賽 AI & Data DAY 24

Machine Learning與軟工是否搞錯了什麼? 系列第 24 篇

技術 Day 24 LSTM、GRU如何實作?

LSTM、GRU如何實作? 今天我們要來實作LSTM以及GRU。前置作業我們使用Colab來當作我們的實作平台，並使用Keras來完成。資料集我們使用G...

linitachi ‧ 2020-09-24

0 Like 0 留言 2618 瀏覽

鐵人賽 AI & Machine Learning DAY 22

到底是在learning什麼拉系列第 22 篇

技術 [day 21] 深度學習-1

Searching for images: A case study in deep learning 接下來這個章節將會談到機器學習中的一個新領域 deep...

nylon ‧ 2018-01-09 ‧團隊晶心壯士

0 Like 0 留言 2603 瀏覽

鐵人賽 AI & Data DAY 14

那些在科技公司和 app 背後的資料科學系列第 14 篇

技術 [Day 14] 改善 Airbnb 的房源排序模型（上）- NDCG 介紹

昨天 Skylar 訂完露營和烤肉用具後，今天他想在 Airbnb 上搜尋適合渡假的房源，而當他在瀏覽時，Airbnb 是如何排序出 Skylar 看到的頁面呢...

min_hsu ‧ 2022-09-29

0 Like 0 留言 2598 瀏覽

鐵人賽 AI & Data DAY 26

Python機器學習介紹與實戰系列第 26 篇

技術 DAY[26]-Kaggle實戰模型準備-線性模型

資料的部分準備完畢之後，接下來最重要的就是模型的產生以及訓練了，在這裡我們先定義了線性模型的交叉驗證以及參數組合，方便之後進行使用。定義交叉驗證評分函數 imp...

Austin ‧ 2019-10-11 ‧團隊Bikini Bottom

0 Like 0 留言 2594 瀏覽

鐵人賽 AI & Data DAY 4

學資料科學的小孩不會變壞- 從入門到實戰全攻略系列第 4 篇

技術 DAY04 淺談資料科學與Machine Learning

一、何謂資料科學資料科學白話來講，就是透過資料數據來解決問題的一門科學，我們在得知客戶的需求、環境限制等因素後，利用能蒐集到的資料建立一套「模型」，透過模型的...

Rick_Lyle ‧ 2021-09-04

1 Like 0 留言 2584 瀏覽

鐵人賽 AI & Machine Learning DAY 3

到底是在learning什麼拉系列第 3 篇

技術 [day 2] 回歸分析-2

Regression 沿著昨天的結論，我想問的是，僅僅使用一條直線來擬和資料，這件模型夠好嗎? Adding higher order effects 我們求出...

nylon ‧ 2017-12-21 ‧團隊晶心壯士

0 Like 0 留言 2576 瀏覽

鐵人賽 AI & Data DAY 28

Python機器學習介紹與實戰系列第 28 篇

技術 DAY[28]-Kaggle實戰模型預測與答案輸出

訓練模型 print('START Fit') print('stack_gen') stack_gen_model = stack_gen.fit(np.a...

Austin ‧ 2019-10-13 ‧團隊Bikini Bottom

0 Like 0 留言 2576 瀏覽

鐵人賽 AI & Data DAY 9

然後模型就死在 Jupyter Notebook 了 (ಥ﹏ಥ) 系列第 9 篇

技術 [Day 09] 建立機器學習模型 — Andrew Ng 大神說要這樣做

AI system = Code (Algorithm/Model) + Data TL;DR 建立 ML 系統時，要把 AI system = Code ...

chihying ‧ 2021-09-24

0 Like 0 留言 2565 瀏覽

鐵人賽 Everything on Azure DAY 24

Azure Machine Learning Studio 系列第 24 篇

技術 Azure Machine Learning Studio 使用 Python - Execute Python Script

Python 有許多數據分析的套件，包含： NumPy (Numerical Python)：支援高階大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數...

anny ‧ 2018-11-06

0 Like 0 留言 2547 瀏覽

鐵人賽 AI & Data DAY 12

跟著Google學ML 系列第 12 篇

技術 [Day 12] Representation

Ref.: Representation 一直想不到最好的翻譯，Google一下找到資料科學協會說的：機器學習分成三個主要部分：表現 (Represen...

Joseph-bug ‧ 2018-10-12

0 Like 0 留言 2538 瀏覽

鐵人賽自我挑戰組 DAY 10

機器學習入門系列第 10 篇

技術 ML_Day10(Gradient Descent)

簡單回顧在ML_Day5(Linear Regression Introduction)有介紹什麼是Gradient Descent，就是對loss func...

wty81213 ‧ 2019-09-22

0 Like 0 留言 2527 瀏覽

鐵人賽 AI & Data DAY 7

談MLOps - 模型、專案架構、產品化及維運系列第 7 篇

技術 ML專案的特徵工程為什麼存在？包含哪些層面？怎麼練手感？

在討論MLOps的過程當中，許多客戶會針對他們有興趣的事情提出不同的問題，像是：模型監測、安全性、常見案例、資料的隱私處理等等。其中一次在談論AWS的ML Le...

bymiachang ‧ 2021-09-07 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 2511 瀏覽

鐵人賽 AI & Data DAY 5

Machine Learning與軟工是否搞錯了什麼? 系列第 5 篇

技術 Day 5 GAN如何實現

GAN如何實現今天我們就要來實際來實作一個GAN!code參考這篇製作simple_keras_GAN 前置作業我們使用Colab來當作我們的實作平台，並使...

linitachi ‧ 2020-09-05

1 Like 0 留言 2498 瀏覽

鐵人賽 AI & Data DAY 2

漫談機器學習與Tensorflow初探系列第 2 篇

技術回歸與分類-ML問題的兩大分類

在上一篇文中，我們介紹了ML問題的兩個主要分類。現在讓我們更詳細的來深入學習這兩者的差別吧! 回歸與分類　　回到上篇文章的餐廳例子，我們想要利用客人帳單的...

DeepLearner ‧ 2019-09-18

0 Like 0 留言 2479 瀏覽

技術 [PSO文獻2]Adaptive Particle Swarm Optimization

2020.06.24 更新錯誤的Schwefel，現在已經收斂到跟原作者一樣好了 0. 前言: 本篇主要是紀錄Adaptive Particle Swarm...

a26833765 ‧ 2020-06-20

2 Like 0 留言 2454 瀏覽

鐵人賽自我挑戰組 DAY 17

機器學習入門系列第 17 篇

技術 ML_Day17(隨機森林(Random Forest))

介紹Random Forest的基本原理是，結合多顆CART樹（CART樹為使用GINI算法的決策樹），並加入隨機分配的訓練資料，以大幅增進最終的運算結果。顧...

wty81213 ‧ 2019-09-29

1 Like 0 留言 2449 瀏覽

鐵人賽 AI & Data DAY 6

機器學習模型圖書館：從傳統模型到深度學習系列第 7 篇

技術 07 標準 SVM

雖然標題是說"標準" SVM，不過模型這種東西從來就沒有什麼標準，有的不過是變體。所以這篇是要跟大家總結一下我們一般在用的 SVM 模型的...

杜岳華 ‧ 2018-10-07

0 Like 0 留言 2447 瀏覽

鐵人賽 Everything on Azure DAY 16

Azure Machine Learning Studio 系列第 16 篇

技術 Azure Machine Learning Studio 交叉驗證 Cross Validate Model

一般我們會將資料集樣本分為兩部分，約 70% 當作訓練集，用來建立模型，另外 30% 當作測試集，用來測試訓練好的模型效能。但也有另一種做法就是交叉驗證(Cro...

anny ‧ 2018-10-29

0 Like 1 留言 2441 瀏覽

鐵人賽 Everything on Azure DAY 28

Azure Machine Learning Studio 系列第 28 篇

技術 Azure Machine Learning Studio 將實驗發佈成 Web Service

在 Azure Machine Learning Studio 完成實驗後，可以將模型發佈成 Web Service，在 Azure 上運行，從不同的應用程式中...

anny ‧ 2018-11-10

0 Like 0 留言 2431 瀏覽

鐵人賽自我挑戰組 DAY 13

Machine Learning Ｗith Me ，從零開始機器學習！系列第 13 篇

技術 Day 13: 人工神經網路初探激活函數(上)

激活函數 Activation Function 數學方法去決定neuron輸出叫做激活函數(activation function)但neuron的輸出並不是...

shibainu274 ‧ 2021-09-19