鐵人檔案
機器學習目前已經是越來越熱門的一個議題，並且可廣泛應用在各種領域。
本系列文主要針對Google在Coursera上的系列課程"Machine Learning with TensorFlow on Google Cloud Platform" 中的精選的兩門高評價課程"Launching into Machine Learning"以及"Intro to TensorFlow"做介紹。部分內容會包含GCP平台的應用。
難度為初中階，希望能給初入機器學習的朋友們一些幫助。
前言:本系列文基於Coursera上Google開設之課程編寫而成，主要針對ML(機器學習)基本概念與Tensorflow做基本介紹。希望能對於初入機器學習的...
在上一篇文中，我們介紹了ML問題的兩個主要分類。現在讓我們更詳細的來深入學習這兩者的差別吧! 回歸與分類 回到上篇文章的餐廳例子，我們想要利用客人帳單的...
在上篇文章中研究了回歸與分類的問題後，現在讓我們來進入ML簡史，綜觀機器學習的歷史吧! 回歸的起源 回歸(regression)這個詞最早是由法蘭西斯·高爾...
在上一篇文章中，我們介紹了線性回歸與損失函數，現在讓我們來學習感知器吧！ 感知器的緣起 1940年代，美國的科學家提出了人工神經網路的概念，而「感知器」即是...
在上一篇文章，我們介紹了線性回歸與感知器，現在讓我們來認識ML中最重要的神經網路以及決策樹吧！ 多層感知器，可行嗎? 上篇文章中，我們討論到了感知器，但感...
前篇文章中我們介紹了神經網路的基本構造，現在讓我們來看看決策樹，這個ML歷史上重要的一個里程碑。 就像在80年代和90年代發明樹形算法(例如ID3和C 4....
從1990年代開始，核方法領域逐漸形成。 Google研究總監，Corinna Cortes是其中一位先驅。 支持向量機 該研究領域發展出有趣的新非線性模型...
上篇文章我們討論了稍微有些抽象的核方法與核轉換，這節讓我們來看看鼎鼎大名的隨機森林算法！ 集成方法與Dropout 在近數十年來，機器學習的研究隨著算力(...
現代神經網路 時間線又回到了神經網絡，現在透過算力和大數據的飛躍而具有更多的優勢。DNN作為深度學習的重要分支開始在許多方面(如電腦視覺、自然語言處理)大大勝過...
在上一節中，我們使用參數和超參數將模型定義為數學函數，並介紹了線性模型的參數。然後，我們討論了尋找最佳模型參數集的分析方法。以及如何透過在參數空間中進行搜索來...
