鐵人檔案
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！
都是數字，有何不同 在收集資料的時候，要注意類別的選擇。對於數值型(numerical)資料就要請大家注意有序型(ordinal)與類別型(nominal)的差...
想用TensorFlow有打包好的estimator，預處理呢？ 在大數據的預處理上，Google於2003-2006以驚世駭俗之姿，推出了 GFS Mapr...
什麼是Feature Crosses? 對於特徵工程來說，Feature Crosses(特徵交叉)在日漸複雜的模型當中顯得越來越重要。顧名思義，我們先來猜猜F...
既然是非線性項，那需要多複雜？ Google對於TensorFlow教學提供了視覺化的工具TensorBoard，也同時做了網站來說明神經網路，對應資料分布類型...
解法回歸TensorFlow Google系列課程第四篇章Feature Engineering，從整體概念解說，總算回歸TensorFlow的應用回。預處理是...
藝術只可遠觀意會 一個機器學習有幾個要素，一群資料經過運算後衡量效果的好壞並不斷重複的過程。而在前面的討論有提及，這個用來衡量的效果(Performance)，...
如何定義一個機器學習模型的複雜度 現實生活來說，複雜這個概念，對應的是使用負載過高。而表型會是什麼呢？有可能是CPU運算負載快速提升、記憶體使用量飆高或是系統結...
超參數調整的可能性 如同前一章節提到的，主要的兩種超參數調整，包括Learning Rate及Batch Size。 Google提供了一個非常有用的服務Goo...
評估指標？混淆矩陣？該怎麼決定要收手了？ 評估指標會根據問題的不同而有不同的答案，通常會反映在損失函數(Loss Function)上。以線性回歸問題來說，MS...
Feature Crosses強化了線性模型，然後呢？ 從前面的說明，我們提過Feature Crosses可以有效加強線性模型的效果；而它的本質就是為我們帶來...
