iT邦幫忙

鐵人檔案

2019 iT 邦幫忙鐵人賽
回列表
AI & Data

英雄集結:深度學習的魔法使們 系列

深度學習就像是個幻境之地,許多人曾經尋訪卻只得到碎片般的景色。在這裡,希望讓想成為深度學習的魔法使玩家能一覽深度學習之全貌,在30天後可以自信的說出:「沒錯,請你叫我『大魔法使』」。
內容將包含深度學習的Learning map、最新研究技術與商業應用。

鐵人鍊成 | 共 31 篇文章 | 196 人訂閱 訂閱系列文 RSS系列文
DAY 1

達標好文 [序幕] AI(人工智慧)、Machine Learning(機器學習)、 Deep Learning(深度學習)是什麼?

2018年堪稱是台灣的「AI 元年」,政府推動產業 AI 化,同時也不遺餘力的培養 AI 種子們。相信不管是在新聞媒體上或是公司內部都可常看到或聽到「AI」字眼...

2018-10-16 ‧ 由 莉森揪 分享
DAY 2

達標好文 [地圖] 深度學習世界的魔法陣們

剛開始研究 deep learning 時,正好是 AlphaGo 跟南韓棋士李世乭對戰(2016年3月8日到3月15日)的前一兩個月,那時我們小組嘗試用 CN...

2018-10-17 ‧ 由 莉森揪 分享
DAY 3

[魔法陣系列] Artificial Neural Network (ANN) 之術式解析

第一個魔法陣:Artificial Neural Network (ANN, 1943) 首先先來看看 ANN 的結構: 圖片來源:https://hack...

2018-10-18 ‧ 由 莉森揪 分享
DAY 4

[魔法陣系列] Artificial Neural Network (ANN) 之術式啟動

上篇介紹 ANN 魔法陣結構:輸入層(Input Layer)、隱藏層(Hidden Layer)及輸出層(Output Layer)。此外,也解釋了神經元與激...

2018-10-19 ‧ 由 莉森揪 分享
DAY 5

[實戰系列] 使用 TensorFlow 搭建一個 ANN 魔法陣(模型)

有了先前的 ANN 魔法陣教學後,該是來讓各位見習魔法使實戰演練了,前情提要請參見: [魔法陣系列] Artificial Neural Network (A...

2018-10-20 ‧ 由 莉森揪 分享
DAY 6

[精進魔法] Regularization:減少 Overfitting ,提高模型泛化能力

當開始興致勃勃的嘗試畫魔法陣,搭建神經網絡模型時,也許會遇到下面的情形: 哥布林之吶喊:我明明在訓練集表現很好啊,為什麼實際上線時結果卻崩潰了(抱頭) 那你...

2018-10-21 ‧ 由 莉森揪 分享
DAY 7

[精進魔法] Optimization:優化深度學習模型的技巧(上)

上篇提到怎麼避免 Overfitting 的技巧,本文要帶給大家的是如何優化深度學習,提高模型的效能。 Batch & Mini batch 深度學習每...

2018-10-22 ‧ 由 莉森揪 分享
DAY 8

[精進魔法] Optimization:優化深度學習模型的技巧(中)- Adaptive Learning Rates

前情提要 在 [精進魔法] Optimization:優化深度學習模型的技巧(上)一文中提及了下面三種優化 deep learning 模型的作法: Batc...

2018-10-23 ‧ 由 莉森揪 分享
DAY 9

[精進魔法] Optimization:優化深度學習模型的技巧(下)- Batch Normalization

本文主題是「Batch Normalization」,Ian Goodfellow 大大在《Deep Learning》一書中是這麼描述 Batch Norma...

2018-10-24 ‧ 由 莉森揪 分享
DAY 10

[魔王出沒] 深度學習中的魔王軍簡介

其實這篇應該先寫於《精進魔法》系列之前的,但沒關係,只要有 [地圖] 深度學習世界的魔法陣們 指引,你能夠照你想要挑戰的項目去學習。 以下介紹深度學習的魔王們,...

2018-10-25 ‧ 由 莉森揪 分享