這篇在說理論，說明何謂「Generalization」，以及要訓練機器學習的時候有什麼原則。 （本篇是Generalization) 何謂「泛化（Genera...
現在使用TensorFlow來訓練我們的這個模組。 以下會有幾個步驟：開始準備、製作特徵、以年齡當做分類的特徵、定義模型特徵、訓練深度神經網路模型、評估神經網路...
本篇也是進行說明，是關於訓練資料與測試資料相關資訊。 上篇說明模型「泛化」，當我們做出模型的時候，要進行調整與測試，讓我們的預測越接近現況。而在這邊要規劃我們...
進入遊戲區體驗Fairness的機器學習，將會練習之前所說的不同的差異以及用子組合，來評估模型性能。 文章 （本篇分成兩章文章） 開始前 資料：用成人普查收入...
熟悉TensorFlow的第一步就是製作線性回歸（linear regression），此篇也是從First Steps with TensorFlow而來，以...
在Colab跑我們的TensorFlow，其中要pandas範例來練習。Pandas是個重要且流行的套件（library）是個不錯的工具。 （本篇使用firs...
在評估模型的時候，會發現模型與結果有誤差，模型無法針對我們的測試集反映出真正結果，這就是評估的偏差（evaluating for bias）。這時候就是需要用到...
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...
為解決無法用「線性函數」做區別的資料，除了前一篇所言，還可以使用「Crossing One-Hot Vectors」。（也許可以說「一個熱鍵」？） 文章：cr...
現在正式進入TensorFlow的領域，在那之前，TensorFlow到底是什麼呢？ TensorFlow一款Google開發的工具，現為開源軟體庫，用於各種...
在程式開發中，對於程式的品質非常重要，我們有各個種測試方式測試，最常用的就是單元測試（Unit test）。但是機器學習沒有這樣的機制，只能用直接輸入數據，直接...
文章：Static vs. Dynamic Training 進行模型訓練方式依據資料是否會變動，將分成兩種方式：靜態（static）和動態（dynamic）...
用Feature Crosses讓我們的樣本放入十字表格中，讓模型更容易出來。 教學文章：Feature Crosses 根據網路的文章（特徵組合&特...
開始說明機器學習與現實世界的互動，本篇說明癌症預測 文章：ML Systems in the Real World: Cancer Prediction Go...
DataFrame和Series除了前一天教的功能外，還有其他幾個運用，像是Python本身的應用、NumPy、lambda等等。 DataFrame Py...
案例說明中，google有提供以下的建議：（文章：ML Systems in the Real World: Guidelines） （列表中會提供相近的本系列...
人對於自己在意的東西都會有所偏頗，可能在給予資料的時候就在不知不覺中進行篩選。要如何維持中立，不偏頗呢？這就是本篇所要探討的重點。 文章：Fairness 在...
前面知道建立模組的參數及一些方法，那要如何找出最適合的模組呢？我們有個公式：y=Wx+B，我們要怎麼找到「W」和「B」的最佳值，也就是最小的誤差呢？當然是一個一...
有了訓練、測試等資料集，要驗證模組是否正確，也就需要驗證集（validation data） 〈圖一、訓練與測試集〉 我們把資料分成兩個部分，一個是訓練集，一...
先前說了資料集的處理及分配，但是到底資料要如何提供呢？怎樣的資料才是好的呢？ 資料處理是機器學習重要的一環，資料找出特徵，讓資料得以表現出他的價值，也就是可以給...
Google提供一個遊戲區，讓我們學習並且觀察他們是如何執行機器學習的，還有學習的效率為何。 遊戲區在這兒：說明網站、遊戲區其中要注意的是，每次「reset」...
本篇要學習靜態和動態推理，這是在機器學習中所要選擇的兩種不同推理。 文章：Static vs. Dynamic Inference 在設計機器學習中，有一環要...
在真正開始前，需要先了解一下機器學習所需要用的框架，在依這個框架下，進行學習的討論及實驗。（參考網站：Framing) 我們進行的是監督式機器學習，也就是說建...
google和研究文學的教授一同研究，看能不能用隱喻的作品資料，去預測作者的政治傾向。在完成模型後，他們發現準確率超高，到底是為什麼呢？ 文章：ML Syste...
本篇會講一些Google提供的機器學習之環境到底是怎樣，如何協助我們。文章：Production ML Systems 這是課程中描繪的圖片： 明顯的看得出來...
這幾天看到幾篇不錯的文章，有的跟技術沒有關係，但是觀念很多，或是說明一些數學、算式說明。看到那些文章才發現機器學習並非我想的那麼簡單，只是個工具的使用，而是絕大...
原本想要了解時下最流行的議題：機器學習（Machine learning），但還沒有決定要從哪裡著手，剛好看到本次鐵人賽有個主題「Google Develope...
在資料中有哪些偏見會產生呢？讓我們看下去 文章：Fairness: Identifying Bias Missing Feature Values：我們的...
在開始前，Google教學有提到，在學習機器學習的時候，有些知識或是工具也要會的，像是數學（例如代數、線性代數，也就是理論的部份）、Python能力（要撰寫程式...
課程主要是在於更好的優化data transform的時候data本身的優化處理：Permutation importance：通過隨機排列參數，凸顯出哪些fe...
eyelash*睫毛
iThome鐵人賽
看影片追技術