iT邦幫忙

machine learning相關文章
共有 713 則文章
Towards Tensorflow 2.0 系列 第 27

技術 [Day-27] 生成對抗網路 (GAN) 實作 Part II

今天我們來實際來跑簡單的Dataset,就是 DL 101 資料集 - MNIST。透過較為簡單的Dataset 來理解像GAN這種相對難的演算法,應該能較容易...

鐵人賽 AI & Data DAY 6

技術 DAY[6]-數據前處理(1) 資料類型與資料操作

在機器學習的過程中,對於資料的解釋以及處理是最前期也最重要的環節,在這個章節中,將使用資料本身較乾淨並且相當容易獲取的玩具資料集進行基礎講解,在基礎講解結束後將...

鐵人賽 AI & Data DAY 8

技術 Day 8 Q learning如何實現

Q learning如何實現 今天我們就要來看看如何實現Q learning!code參考這篇製作Q* Learning with FrozenLakev2.i...

鐵人賽 AI & Data DAY 7

技術 DAY[7]-數據前處理(2) 補值與EDA(1)

EDA是什麼? EDA是探索式資料分析(Explore Data Analysis)的簡稱,主要邏輯是利用分群、圖片等等的技巧,觀察資料之間的關係(相關係數、分...

鐵人賽 AI & Data DAY 16

技術 DAY[16]-機器學習(7)超參數調整

上一篇在交叉驗證的過程中,提到超參數的計算是使用窮舉法,因此要設定好參數的區間,來在訓練的過程中對參數進行測試。而在這次使用中我參考了本篇文章:LightGBM...

鐵人賽 AI & Machine Learning DAY 1

技術 [DAY1] Machine Learning 介紹與預計撰寫內容

Introduction 機器學習毫無疑問地已經成為 buzzword 了,在網路上也有多到數不清的教學文章,只要會一點程式就能夠透過函式庫兜出一個 model...

技術 優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 2

前言 【上一篇】介紹了最小平方法(OLS),接下來,就來欣賞一下『最大概似法』(Maximum likelihood estimation, MLE),它是另一...

鐵人賽 AI & Data DAY 22
跟著Google學ML 系列 第 22

技術 [Day 22] Embeddings(上)

Ref.: Embedding Embedding我實在不知道怎麼翻比較好,它是把高維度的資料變成低維度,並保留原始資料的特性。有了它,在像是sparse...

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 18

技術 Day 18:自駕車(Self-driving) 動態物件偵測實作

前言 前一篇實作一個簡單的物件偵測(Object Detection),接下來我們來模擬自駕車(Self Driving)如何辨識前方的障礙物,一樣使用Tens...

Towards Tensorflow 2.0 系列 第 21

技術 [Day-21] Wide & Deep 推薦系統實作

今天討論的主題主要是Google這篇曾經在2016年release 在Google Play的app上所做的推薦系統,而他有被open source 在 Ten...

Towards Tensorflow 2.0 系列 第 4

技術 [Day-4] Tensorflow 基本語法 - Part III

今天會開始說明一下資料處理及數值運算。接下來就會開始進入基本ML及DL了。大夥撐著!把一些基本語法弄熟,之後會更容易上手,且更知道如何去修改一些tutorial...

鐵人賽 AI & Data DAY 23

技術 Day 23 RNN和LSTM 和GRU

RNN和LSTM和GRU 今天我們要來介紹一下,循環神經網路(Recurrent Neural Network),稱為RNN。以及RNN的好朋友,LSTM(Lo...

鐵人賽 AI & Data DAY 30
全民瘋AI系列2.0 系列 第 30

技術 [Day 30] 使用 Heroku 部署機器學習 API

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...

鐵人賽 AI & Machine Learning DAY 2

技術 [Day2] 什麼是機器學習?

前言 為了透過電腦強大的運算力幫助人們解決問題,首先我們的問題是需要能夠被量化與分析的。例如:給定歷年的房屋資料,預測之後的房價變化;由使用者過去的瀏覽紀錄,猜...

鐵人賽 AI & Data DAY 7
跟著Google學ML 系列 第 7

技術 [Day 7] TensorFlow的第一步

Ref: First Steps with TensorFlow Tensorflow 中有很多Machine learning model可以使用,但它也...

鐵人賽 AI & Data DAY 10

技術 Day 10:運用自訂Callback 追蹤訓練過程( Keras )

前言 之前我們測試過一些內建的Callback,這次筆者要自訂 Callback,將損失寫入 Pandas Data Frame,並且作圖畫出優化的軌跡。 可監...

鐵人賽 自我挑戰組 DAY 4
機器學習入門 系列 第 4

技術 ML_Day4(Perceptron感知器模型)

簡單回顧在前幾章,我們從什麼是機器學習,機器學習的架構(given dataset D -> find H -> get g),及了解什麼是cla...

鐵人賽 AI & Machine Learning DAY 30
到底是在learning什麼拉 系列 第 30

技術 [Day29] 賽末心得

意料之外 總算來到了最後一天,想想真不該隨口答應別人的XDDD 從開賽前的兩個禮拜預衝刺,一直到開賽前一天才進入了 其實中間不只先聽了 coursera 上的...

技術 突破數學/統計魔障,打好AI學習基礎 -- 再戰梯度下降(1)

AI學習基礎 我們幾乎每天都會看到幾則有關『人工智慧(AI)』的新聞,一般人(me too!)都會想一窺究竟,了解箇中奧妙,但是,初次接觸,探究其原理,很多人就...

鐵人賽 AI & Data DAY 16
跟著Google學ML 系列 第 16

技術 [Day 16] Classification(上)

Ref.: Classification 看到有人關注這系列文章實在很開心,但盡信書不如無書,全信我不如不要學ML。建議多看多學其他的source,以免被...

鐵人賽 AI & Machine Learning DAY 7

技術 [day 6] 分類-3

Classifictaion classifiers 做出分類,分辨那些句子是積極或消極 讓我們接著看classifiers是怎樣透過特地的Linear cla...

鐵人賽 AI & Data DAY 25

技術 Day25 機器學習會遇到的問題整理

機器學習會遇到的問題整理 今天我們要快速的看一下機器學習中,會遇到甚麼問題,那麼我們先從有提過的開始吧! 梯度消失 梯度消失會出現在以梯度下降法和反向傳播訓練人...

達標好文 技術 演算法交易(Algorithmic Trading) 實作

前言 現在全球股市大熱,很多人都忍不住誘惑,跳進去買賣,如何『選股』、『擇時』,賺到錢就是一門重要而困難的課題,本文以最簡單的『移動平均法』(Moving Av...

鐵人賽 AI & Data DAY 19

技術 Day 19:Autoencoder 與去除雜訊

前言 Autoencoder 是一個非常重要的模型,它是很多進階模型的基礎,例如風格轉換(Style Transfer)、影像分割(Image Segmenta...

鐵人賽 AI & Data DAY 10

技術 Day 10 DQN如何實現

DQN如何實現 今天我們要用DQN來解The Taxi Problemcode參考這篇Reinforcement Learning: Deep Q-Networ...

鐵人賽 AI & Data DAY 6

技術 Day 6 強化學習就是一直學習?

強化學習就是一直學習? 介紹完監督式學習與非監督式學習,我們來介紹強化學習!根據wiki的定義 強化學習(英語:Reinforcement learning,...

鐵人賽 AI & Data DAY 23

技術 Day 23:Tensorflow 架構與其他模組介紹

前言 由於 Keras 的引進,使得 Tensorflow 架構變得有點疊床架屋,到底要遵從哪一路徑學習,常令初學者感到困擾,因此,對 Tensorflow 其...

鐵人賽 AI & Data DAY 21
跟著Google學ML 系列 第 21

技術 [Day 21] Multi-Class Neural Networks

Ref.: Multi-Class Neural Networks 之前的文章都在討論是非題,是A或不是A這樣,這邊要開始介紹multi-class的Neu...

技術 TensorFlow 2.0 的重大更新功能

前言 TensorFlow 在去年就不斷的promote v2.0 版,到底它改善的方向有那些呢? 正式版何時release? 整理一些馬路新聞與大家分享。 市...