iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
Google Developers Machine Learning

初心者的GDC攻略 系列

隨著科技的演進,雲端虛擬化服務日漸蓬勃,眾多企業無論大小新舊,將服務轉往雲端已成趨勢。如果有漸趨複雜的運算邏輯牽涉其中,則各種模型加入幫助我們解決問題的行列,其中又以機器學習影響尤為巨大。科技巨擘Google已然嗅到其中龐大的商機,毅然投身其中。
今天開始,就讓我們利用GDC學習,究竟現代化的線上服務及背後模型運作。欲知後事如何發展,且看接下來的30天分曉!

鐵人鍊成 | 共 30 篇文章 | 5 人訂閱 訂閱系列文 RSS系列文
DAY 1

Day1: 概覽 x 前言 x 出發

凡事豫則立,不豫則廢。《中庸》 我想,這個世界上總是有如果,創造了一大堆的難題;而正是因為這麼多的難題,世界被推動著運轉。帶給世界運轉的契機,就是如果有決心去完...

2019-09-17 ‧ 由 r00t4dog 分享
DAY 2

Day2: 來源 x 平台 x GCP

無風不起波,無火不起煙。 這個學習過程主要都環繞在Google Developers Machine Learning,而總會有執行或表現的環境吧。舉個例子,好...

2019-09-18 ‧ 由 r00t4dog 分享
DAY 3

Day3: AI x ML x 商業應用

沒事多用AI,用AI就沒事 現在社會充滿提及人工智慧(Artificial Intelligence, AI)的氛圍,總是有提到先+10分。然而AI真的是一個最...

2019-09-19 ‧ 由 r00t4dog 分享
DAY 4

Day4: 理解 x 分解 x 再構築

學而不思則罔,思而不學則殆 對於機器學習而言,就如同Day3所提到的,模型建立固然重要,卻永遠不能偏離應用,也就是我們希望達到的目標。如果一艘船上的船長,只顧著...

2019-09-20 ‧ 由 r00t4dog 分享
DAY 5

Day5: 經驗 x 道路 x 深究

本篇章先註記一下,前後呼應。以下所引用的所有圖檔皆來自Google/GCP。 現實總是殘酷的 呼應Day4當中所提到的,究竟學習一個東西該採用哪種策略呢?...

2019-09-21 ‧ 由 r00t4dog 分享
DAY 6

Day6: 取樣 x 評估 x 偏差

本篇對應 How Google does Machine Learning Module 4 為啥要取樣?為了什麼? 對於在高中數學學過簡單統計的各位,讓我...

2019-09-22 ‧ 由 r00t4dog 分享
DAY 7

Day7: 雲端 x 平台 x LAB

雲端把我們連在一起 天下態勢,合久必分,分久必合。計算機的發展史也是一樣;剛發明的時候需要大量的計算能力,機台之類的運算設備必須要放在一起才能完成一件艱鉅的任務...

2019-09-23 ‧ 由 r00t4dog 分享
DAY 8

Day8: 應用 x 生活 x API

有應用才是真英雄 前一篇大致提了Datalab或是Colab的使用,但那看起來就只是一堆冷冰冰的Python/SQL程式碼,真的能用嗎?當然,以Google的軟...

2019-09-24 ‧ 由 r00t4dog 分享
DAY 9

Day9: 認知 x 問題 x 方向

我現在遇到的問題到底該怎麼解決? 相信會想來加入Google開的這系列課程,不是已經是公司內部的資料分析者就是希望能夠學習資料分析的人。前面已經提到塑造問題的重...

2019-09-25 ‧ 由 r00t4dog 分享
DAY 10

Day10: 歷史 x 複雜 x 傳承

想要發展未來,就得先了解歷史 這張圖真的超讚,記得收藏呀! 眼尖的人應該發現了,這張圖描述的好像幾乎都是監督式學習吧。 大致歷史可以分為: 統計時代:大...

2019-09-26 ‧ 由 r00t4dog 分享