iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
AI & Data

全民瘋AI系列2.0 系列

哈囉大家好我是10程式中的10!我是上一屆鐵人賽影片教學組[全民瘋AI系列]的作者,當時講解了人工智慧的基礎以及常見的機器學習演算法與手把手教學。由於大家反應很熱烈,讓我看到了大家對於AI的學習熱忱。因此我想藉由這一次鐵人賽將上一屆的影片內容整理成電子書版本,提供大家影片教學與文字版的筆記內容。在全新的[全民瘋AI系列2.0]中我會介紹實用的機器學習演算法並含有程式手把手實作,以及近年來熱門的機器學習套件與模型調參技巧。除此之外我還會提到大家最感興趣的AI模型落地與整合,以及模型訓練時所需要注意的大小事。希望在這次的鐵人賽能夠將AI的資源整理得更詳細並分享給各位。

鐵人鍊成 | 共 31 篇文章 | 120 人訂閱 訂閱系列文 RSS系列文
DAY 21

[Day 21] 調整模型超參數利器 - Optuna

Optuna 今日學習目標 Optuna 如何採樣參數? 實作 Optuna 搜尋最佳超參數 以 XGBoost 迴歸模型於房價預測為例 Optuna 視覺...

2021-10-03 ‧ 由 10程式中 分享
DAY 22

[Day 22] Python 視覺化解釋數據 - Plotly Express

Plotly Express 今日學習目標 安裝 plotly 手把手實作視覺化鳶尾花朵資料集 直方圖 特徵關聯度分析 散佈圖 箱形圖 複合型視覺化技巧 匯...

2021-10-04 ‧ 由 10程式中 分享
DAY 23

[Day 23] 資料分布與離群值處理

資料分布與離群值處理 今日學習目標 資料特徵觀察與離群值分析 檢視資料的分布狀態 偏度 (Skewness) 峰度 (Kurtosis) 修正特徵偏度的...

2021-10-05 ‧ 由 10程式中 分享
DAY 24

[Day 24] 機器學習 - 不能忽視的過擬合與欠擬合

今日學習目標 如何選擇最佳的模型? 深入理解度擬合與欠擬合 Bias-Variance Tradeoff 如何避免過擬合與欠擬合? 前言 在機器學習中...

2021-10-06 ‧ 由 10程式中 分享
DAY 25

[Day 25] 交叉驗證 Cross-Validation 簡介

今日學習目標 常見的交叉驗證方法 K-fold Leave one out cross validation Random Subsampling Boot...

2021-10-07 ‧ 由 10程式中 分享
DAY 26

[Day 26] 交叉驗證 K-Fold Cross-Validation

今日學習目標 了解 K-Fold 各種不同變形 K-Fold Cross-Validation Nested K-Fold Cross Validation...

2021-10-08 ‧ 由 10程式中 分享
DAY 27

[Day 27] 機器學習常犯錯的十件事

機器學習常犯錯的十件事 今日學習目標 探討機器學習常犯的十件錯誤 前言 人工智慧近年來成為任何產業熱門的話題之一,各公司積極地導入機器學習技術協助產業 AI...

2021-10-09 ‧ 由 10程式中 分享
DAY 28

[Day 28] 儲存訓練好的模型

儲存訓練好的模型 今日學習目標 使用 pickle + gzip 儲存模型 將訓練好的模型打包並儲存 載入儲存的模型 讀取打包好的模型並預測 前...

2021-10-10 ‧ 由 10程式中 分享
DAY 29

[Day 29] 使用 Python Flask 架設 API 吧!

使用 Python Flask 架設 API 吧! 今日學習目標 API 觀念講解 什麼是 API? RESTful API HTTP Request 方法...

2021-10-11 ‧ 由 10程式中 分享
DAY 30

[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 雲端平台部署應用程式 前言 開發的最後一哩路部署...

2021-10-12 ‧ 由 10程式中 分享