iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
Google Developers Machine Learning

站在Google巨人的肩膀上玩機器學習 系列

在這個資料量爆炸的時代,人工處理有其限制,學習如何分析Big Data已經是不可避免的現在進行式,於是決定在被後浪推倒之前還是來乖乖複習相關知識,並學習如何站在Google巨人的肩膀上活用機器學習,以及如何應用進工作/生活中。

鐵人鍊成 | 共 30 篇文章 | 9 人訂閱 訂閱系列文 RSS系列文
DAY 21

[Day 21] Launching into Machine Learning 1-3

在迴歸分析中,欲預測的資料是連續的數字,因此用圖形呈現的話可能會類似於一條線如下圖,而在這種狀況下,如果要得知預測結果與期望值的誤差是多少,則可以用均方誤差(M...

2019-10-07 ‧ 由 WLLO 分享
DAY 22

[Day 22] Launching into Machine Learning 1-4

今天要介紹的是感知器 (Perceptron),這個概念最早是在1940年時,由美國心理學家Frank Rosenblatt所提出的概念,他利用人類大腦內的神經...

2019-10-08 ‧ 由 WLLO 分享
DAY 23

[Day 23] Launching into Machine Learning 1-5

今天要介紹的演算法是決策樹 (Decision Trees),決策樹非常容易被應用,也常被用於解決線性迴歸問題。在產生決策樹時要找到最佳的分枝法是一個NP-ha...

2019-10-09 ‧ 由 WLLO 分享
DAY 24

[Day 24] Launching into Machine Learning 1-6

今天要介紹的是核函数 (Kernel),這種演算法是在1990年的時候被提出的,來自Google Research的Corinna Cortes則是創造這種演算...

2019-10-10 ‧ 由 WLLO 分享
DAY 25

[Day 25] Launching into Machine Learning 1-7

在2000年時,ML研究者因為掌握了電腦運算能力,進而發展出一種集成學習 (Ensenble method)的方法,可以想像如果很多個學習能力較弱的學習者各自進...

2019-10-11 ‧ 由 WLLO 分享
DAY 26

[Day 26] Launching into Machine Learning 1-8

在這幾天中介紹了許多與ML相關的演算法,這些演算法都是前輩們的心血,各項演算法隻出現時間順序請參考下圖。我們能透過以這些演算法作為基礎,應用在專案中做使用,或是...

2019-10-12 ‧ 由 WLLO 分享
DAY 27

[Day 27] Launching into Machine Learning 2-1

接下來要介紹如何最佳化ML模型並應用在業務中。 ML模型是一個包含參數(Parameter)及超參數 (Hyper-parameter) 的數學函式,參數指的是...

2019-10-13 ‧ 由 WLLO 分享
DAY 28

[Day 28] Launching into Machine Learning 2-2

今天來介紹一個實例,假設現在我們希望能夠預測一個尚未出生的嬰兒是否會需要醫護人員的緊急照護,但我們是不是可以透過既有的資料,來預測一位尚未出生的嬰兒是否可能會在...

2019-10-14 ‧ 由 WLLO 分享
DAY 29

[Day 29] Launching into Machine Learning 2-3

今天來介紹損失函數 (Loss Function),損失函數主要功能是把事件與其成本進行對應,而我們在訓練模型時,最終目的就是希望可以得到最小的損失函數,以將成...

2019-10-15 ‧ 由 WLLO 分享
DAY 30

[Day 30] Keep Learning!

今天來到了最後一天,雖然實際上課程進度已經把第二堂課完成,但寫文章進度緩慢,連第二堂課都還沒介紹完。真的很感謝Google提供的這些課程,這些東西雖然以前都學過...

2019-10-16 ‧ 由 WLLO 分享