iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
AI & Data

Python機器學習介紹與實戰 系列

由基礎的環境建置教學到簡單解釋機器學習
並使用kaggle上的資料集帶領讀者實戰
並結合團隊的專案將實做結果呈現於網頁

鐵人鍊成 | 共 30 篇文章 | 53 人訂閱 訂閱系列文 RSS系列文 團隊Bikini Bottom
DAY 1

DAY[1]-為什麼要機器學習

人工智慧vs機器學習vs深度學習 人工智慧一直是人類期望發展的事物,我們常說的人工智慧應該是包含像人一樣思考(AI),能夠解決計算問題(ML),以及電腦視覺(D...

2019-09-16 ‧ 由 Austin 分享
DAY 2

DAY[2]-環境基本介紹

此處並沒有強迫讀者使用相同的工具,可以依照自己的習慣使用,但介面設定以及其他設置在不同的工具可能沒有辦法提供太多的協助。 開發工具 Anaconda jupy...

2019-09-17 ‧ 由 Austin 分享
DAY 3

DAY[3]-環境建立教學

環境基本資料 作業系統 : Windows 10 64位元 家用版 1809 開發環境 : conda 4.6.14 ipython(Jupyter noteb...

2019-09-18 ‧ 由 Austin 分享
DAY 4

DAY[4]-雲端基礎教學(1) colab基本介紹

Google Colab google colab是google提供的一個免費雲端開發平台,可以提供使用者上傳jupyter notebook的.ipynb檔,...

2019-09-19 ‧ 由 Austin 分享
DAY 5

DAY[5]-雲端基礎教學(2) colab基本操作與建議

Colab基本操作教學 匯入檔案 方法一:自行上傳檔案 from google colab import files #匯入套件 import pandas...

2019-09-20 ‧ 由 Austin 分享
DAY 6

DAY[6]-數據前處理(1) 資料類型與資料操作

在機器學習的過程中,對於資料的解釋以及處理是最前期也最重要的環節,在這個章節中,將使用資料本身較乾淨並且相當容易獲取的玩具資料集進行基礎講解,在基礎講解結束後將...

2019-09-21 ‧ 由 Austin 分享
DAY 7

DAY[7]-數據前處理(2) 補值與EDA(1)

EDA是什麼? EDA是探索式資料分析(Explore Data Analysis)的簡稱,主要邏輯是利用分群、圖片等等的技巧,觀察資料之間的關係(相關係數、分...

2019-09-22 ‧ 由 Austin 分享
DAY 8

DAY[8]-數據前處理(2) 補值與EDA(2)

接續上次的EDA,我們接著觀察每個特徵的分布狀況,使用seaborn可以快速的將數據的分布圖繪製出來 from scipy.stats import norm...

2019-09-23 ‧ 由 Austin 分享
DAY 9

DAY[9]-數據前處理(3) 特徵新增與調整

當你將資料都清理完畢,並且觀察完所有的分布之後,剩下的就是對剩餘的特徵進行調整或是新增特徵了。我們以年齡作為例子,將數據分為三個區間分別是低、中、高,這在數據中...

2019-09-24 ‧ 由 Austin 分享
DAY 10

DAY[10]-監督式機器學習

機器學習分為兩種最主要的模式,分別為監督式機器學習與非監督式機器學習,本篇文章會簡單介紹一下監督式機器學習以及常見的用法。 監督式機器學習是什麼? 當你使用機器...

2019-09-25 ‧ 由 Austin 分享