iT邦幫忙

鐵人檔案

2018 iT 邦幫忙鐵人賽
回列表
Data Technology

Data Science with Azure 系列

參賽天數 30 天 共 12 篇文章 | 11 人訂閱 訂閱系列文 團隊2018 新年快樂
DAY 1

[01][Machine Learning - 推薦系統] 使用情境

前言:相信許多人在最近都時常聽到機器學習、深度學習等的話題,本次的ithome鐵人系列文 Data Science with Azure 將會帶大家從幾個有趣...

2017-12-19 ‧ 由 bymiachang 分享
DAY 2

[02][Machine Learning - 推薦系統] 演算法介紹

前情提要: 昨天在[Machine Learning - 推薦系統]使用情境已經學習了站在使用者以及商家的角度思考推薦系統的使用情境。也註冊了Azure ML...

2017-12-20 ‧ 由 bymiachang 分享
DAY 3

[03][Machine Learning - 推薦系統] 怎麼使用模型最上手

前情提要: 在上一篇 [Machine Learning - 推薦系統]演算法 我們已經學習了推薦系統的四個簡單的概念。也學習到如何設定Train Match...

2017-12-21 ‧ 由 bymiachang 分享
DAY 4

[04][Machine Learning - 推薦系統] 精準與否看這裡

前情提要:從[03][Machine Learning - 推薦系統] 怎麼使用模型最上手當中,了解到訓練完模型之後,透過Score Model搭配自己想要的...

2017-12-22 ‧ 由 bymiachang 分享
DAY 5

[05][Machine Learning - 推薦系統] 動手操作1/2

前情提要:從前面4天的文章當中已經瞭解了關於推薦系統的相關理論跟情境,昨天的[04][Machine Learning - 推薦系統] 精準與否看這裡更是加上...

2017-12-23 ‧ 由 bymiachang 分享
DAY 6

[06][Machine Learning - 推薦系統] 動手操作2/2

前情提要:在[05][Machine Learning - 推薦系統] 動手操作1/2已經完成了實驗的前半部,今天要看到的是後半部演算法 (train mod...

2017-12-24 ‧ 由 bymiachang 分享
DAY 7

[07][Machine Learning - 推薦系統] 發佈模型api

前情提要:前面的[01]-[06][Machine Learning - 推薦系統] 已操作了一個完整的實驗,今天就要來看如何將machine learnin...

2017-12-25 ‧ 由 bymiachang 分享
DAY 10

[10][Machine Learning - Get Tips] 特徵值選取1/2

在machine learning的世界裡,只有數學和程式能力是不夠的, 面對龐大的數據,可能有數以百計的欄位資料等著你去處理, 因此有時候你需要透過跟領域專...

2017-12-28 ‧ 由 bymiachang 分享
DAY 11

[11][Machine Learning - Get Tips] 特徵值選取2/2

學習範例 範例1:數據形態的連續資料,整理成分類型的資料。 範例1-1:跟預測目的正相關 之前遇到飯店業者時, 討論過對於亞洲(台灣)和歐洲國家的旅客, 對於好...

2017-12-29 ‧ 由 bymiachang 分享
DAY 14

[14][Machine Learning - Get Tips] Accuracy Enhancement

前言: 原演講連結: Azure Machine Learning algorithm accuracy enhancement, tips, and tr...

2018-01-01 ‧ 由 bymiachang 分享