iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
AI & Data

後端工程師的ML入門理解與Vertex AI 系列

以後端工程師的身份角度出發,分享我們從零開始摸索機器學習,與試圖理解相關必要的基礎知識之後,嘗試應用的心得,搭配google提供的GCP Vertex AI工具實作。

鐵人鍊成 | 共 30 篇文章 | 5 人訂閱 訂閱系列文 RSS系列文 團隊神龍特攻隊 - it 宏的逆襲
DAY 11

目前的命題 | ML#Day11

根據前面作業做個檢討,決定新的題目需要有這些條件: 簡單、明確,即使團隊未參與ml研究的同仁,對於我們要做什麼也完全明白,沒有歧異。 可以擁有確定答案。 不論...

2021-09-19 ‧ 由 虎斑貓 分享
DAY 12

用訂便當講解訂定題目的用途 | ML#Day12

我們做一個題目,基本上簡單可分成兩種用途: 了解關係 預測未來 故事例子 假設工作日常之中,我負責幫忙大家訂中午的便當,一開始團隊有10個人,會訂11個便...

2021-09-20 ‧ 由 虎斑貓 分享
DAY 13

資料集格式 | ML#Day13

根據我們要做的題目,獲得的結果會是對應的訂單總金額,而訂單總金額是一個可能範圍很大的數值,也就是連續型的資料。 數值舉例來說,也許101,000,也許120,5...

2021-09-21 ‧ 由 虎斑貓 分享
DAY 14

簡單說迴歸 | ML#Day14

wiki 說明頁:迴歸分析 想了解詳細的說明,請見wiki或者其他參考資料。 或者也可以直接看下面,自己對關於回歸的簡單概念說明。 迴歸分析的本身來自統計學,統...

2021-09-22 ‧ 由 虎斑貓 分享
DAY 15

使用迴歸分析與其意義 | ML#Day15

選模型並非最重要 為什麼我們要以迴歸分析的方式來建立模型,其他方式可不可以?其實沒有說不行。 然而迴歸(Regression)是ML入門相對好理解的手段或方法,...

2021-09-23 ‧ 由 虎斑貓 分享
DAY 16

最小平方法 | ML#Day16

wiki頁面:最小平方法 詳細的內容就不在這裡贅述了,這裡依舊是介紹一點簡單的概念。 為什麼我們要提這個東西呢?因為需要稍微知道為什麼模型的結果無法那麼完美,而...

2021-09-24 ‧ 由 虎斑貓 分享
DAY 17

框架與挑選實作的階段 | ML#Day17

以下是我自己這一路學習ML過程中,整理出來的ML研究與實作,使用的演進脈絡,純屬個人觀感,並未有任何理論說明是這樣區分。 因為網路上的資料實在太多,這個領域的知...

2021-09-25 ‧ 由 虎斑貓 分享
DAY 18

介紹Vertex(1) | ML#Day18

Day1 的時候有提到我們公司使用的雲端方案是GCP (Google Cloud Platform),相關的產品除了Google有推出之外,Azure 和AWS...

2021-09-26 ‧ 由 虎斑貓 分享
DAY 19

介紹Vertex(2) | ML#Day19

接下來我們從訓練新模型開始,就這個部分其實也可從頁籤資料集進入。 1. 來源選擇之後的統計 畫面上是讀取資料後的畫面,如果想換成別的csv,可以從「來源」那邊重...

2021-09-27 ‧ 由 虎斑貓 分享
DAY 20

介紹Vertex(3) | ML#Day20

Mail 通知 訓練好模型之後,Google會主動發mail通知。 訓練失敗 其實有可能訓練一半就失敗,目前遇過三種錯誤訊息分享給大家 資料筆數最少要10...

2021-09-28 ‧ 由 虎斑貓 分享