鐵人檔案
將配合[ML Study Jam 機器學習培訓計劃 - 進階]參與挑戰，個人背景略有相關知識與應用經驗，但皆是短時間、片段的接觸機器學習，希望能完整的經歷該次學習歷程，彙整所需知識與技術並樂於分享所學。
1980s Decision Trees、1990s Kernel Methods、2000s Random Forests, Boosted Trees、20...
在知道ML的應用和基礎，如何實際上陣面對現實問題仍需要讓ML模型在學習中不斷進步，因此我們需要能有評估效能的方法，並利用loss function作為梯度下降等...
TensorFlow Playground是一個視覺化的工具，運用它能幫助我們迅速了解Neural network(類神經網路)的數學運作原理~ 十分有用的視...
這次的課程中提出Performance Metrics和Confusion Matrix的方式，與loss function不同是直接與我們的業務目標接軌已考量...
在前面先前的課程中學習如何去最佳化我們的模型，然而表現最好的模型實際上並不一定是我們最佳的選擇，過擬和(overfitting)及是常見的問題，更是我們要在最佳...
基本上基礎ML知識都具備了，那麼該如何操作課程中一再強調的最重要的數據(data)並建構我們所需的數據集(dataset)? 這裡將輔以TensorFlow、J...
好，前面應用了不少次TensorFlow作為我們應用ML的工具後，當然是時候深入了解他的能耐了，因此本回將一步步解析TensorFlow的應用。 光是下手敲程...
在探索TensorFlow的設計模式跟構想後，會撰寫簡單的TensorFlow程式予以實做，內容有tensor的相加、繪圖、基礎操作指令...... Addi...
TensorFlow都開始能操做了，總還是要學學除錯(debug)時的一些方法~ 真沒想到Google的教學竟然設想至此。 從最古早(經典)的方法依序介紹，1...
新問題!如果要訓練東西花太多時間怎麼辦?既然程式都能正常運作了，該如何改善它所花費的時間就是下一個課題，在這裡提出使用Estimator API進行分散式訓練，...
