iT邦幫忙

鐵人檔案

第 11 屆 iT 邦幫忙鐵人賽
回列表
Google Developers Machine Learning

想使自身成長就先從連續30天的機器學習開始吧! 系列

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。

鐵人鍊成 | 共 31 篇文章 | 5 人訂閱 訂閱系列文 RSS系列文
DAY 11

Day11 ML歷史-後

1980s Decision Trees、1990s Kernel Methods、2000s Random Forests, Boosted Trees、20...

2019-09-12 ‧ 由 Zhezhi 分享
DAY 12

Day12 最佳化

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...

2019-09-13 ‧ 由 Zhezhi 分享
DAY 13

Day13 TensorFlow Playground

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...

2019-09-14 ‧ 由 Zhezhi 分享
DAY 14

Day14 性能評估

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...

2019-09-15 ‧ 由 Zhezhi 分享
DAY 15

Day15 泛化

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...

2019-09-16 ‧ 由 Zhezhi 分享
DAY 16

Day16 數據集實做

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...

2019-09-17 ‧ 由 Zhezhi 分享
DAY 17

Day17 Intro to TensorFlow

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...

2019-09-18 ‧ 由 Zhezhi 分享
DAY 18

Day18 Intro to TensorFlow 2

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...

2019-09-19 ‧ 由 Zhezhi 分享
DAY 19

Day19 Debugging TensorFlow

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,...

2019-09-20 ‧ 由 Zhezhi 分享
DAY 20

Day 20 Estimator API

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,...

2019-09-21 ‧ 由 Zhezhi 分享