iT邦幫忙

鐵人檔案

2019 iT 邦幫忙鐵人賽
回列表
AI & Data

機器學習模型圖書館:從傳統模型到深度學習 系列

在現今電腦的運算能力已經達到頂峰,一個圖靈完全的運算機器有與人類語言同等的表達能力。我們還追求什麼呢?我們追求的是更為細緻的生活、更為精準的預測,如此一來,建立預測模型成為了首要任務。本系列文章將會帶大家探索模型的世界,我們會從傳統的機器學習模型出發,說明模型中每個部件的關係,比較不同模型之間的差異,一路往深度學習模型邁進,你會看到模型不斷進化的歷程。

鐵人鍊成 | 共 31 篇文章 | 115 人訂閱 訂閱系列文 RSS系列文
DAY 10

11 廣義線性模型

我們前面探討了不同的資料型態可以對應不同的迴歸模型。 不覺得每個迴歸模型都有那麼點相似的地方嗎? 線性迴歸: 羅吉斯迴歸: Poisson 迴歸: 在右手...

2018-10-11 ‧ 由 杜岳華 分享
DAY 11

12 從線性模型到神經網路

我們把線性模型們都大統一了。 接下來就要進入到令人興奮的神經網路模型了! 首先,我們先來介紹著名的感知器...嗯...前面不是介紹過了? 喔喔!對喔!他長這個...

2018-10-12 ‧ 由 杜岳華 分享
DAY 12

13 Kernel SVM 與 RBF network

我們前面介紹了線性模型跟基本的神經網路模型。 可能有的人會覺得我怎麼不放神經網路的圖,看數學式子看的很痛苦。 是的,我的確沒打算放圖。一來神經網路的圖在各大網站...

2018-10-13 ‧ 由 杜岳華 分享
DAY 13

14 淺層神經網路

為什麼大家到現在都這麼迷神經網路模型? 我想主因不是因為他是模擬生物而來,他有一些更扎實的數學特性。 我們前面講過各種線性模型,然後將他過渡到神經網路。 今天要...

2018-10-14 ‧ 由 杜岳華 分享
DAY 14

15 為什麼要深?

接著我們就來到了蠻重要的問題,既然一個 hidden layer 的網路架構就可以逼近任何連續函數,那麼為什麼要深度學習? 對於這個問題,台大李宏毅老師有非常詳...

2018-10-15 ‧ 由 杜岳華 分享
DAY 15

16 深度學習其實是一種 Representation learning

機器學習的技術已經發展了非常久的時間,我們有非常多的模型可以幫我們做預測,包含像是 regression、classification、clustering、s...

2018-10-16 ‧ 由 杜岳華 分享
DAY 16

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...

2018-10-17 ‧ 由 杜岳華 分享
DAY 17

18 Multi-layer preceptron

我們來更具體一點講 multi-layer perceptron (MLP)。 最簡單的版本莫過於 linear MLP,不過不太會有人去用他,其實只是每層 l...

2018-10-18 ‧ 由 杜岳華 分享
DAY 18

19 Convolution 運算

熱身運動都做好了,接下來我們就一路往影像處理上的重要技術 CNN 前進啦! Convolutional neural network,顧名思義,他是一種神經網路...

2018-10-19 ‧ 由 杜岳華 分享
DAY 19

20 Convolutional neural network

Convolution layer 這邊我們回到我們的 convolution layer,如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢? 我們先來看...

2018-10-20 ‧ 由 杜岳華 分享