iT邦幫忙

鐵人檔案

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

Google'sMachineLearning-挑戰機器智慧極限 系列

利用這次機會配合Google machine learning study jam
來看看Google是如何運用ML技術。

鐵人鍊成 | 共 30 篇文章 | 7 人訂閱 訂閱系列文 RSS系列文
DAY 1

[Day01]Google'sMachineLearning_挑戰機器的智慧極限[前言]

Google在今年3月份出了一個ML_StudyJam的初級,而在這個盛夏,偉大的Google終於出進階了!而這次很榮幸的結合了IT邦的撰文活動,30天的鐵人賽...

DAY 2

[Day02]什麼是機器學習?

在人工智慧領域我們常常聽到AI、ML甚至是DeepLearning......等這些東西一樣嗎?當然不,在進入ML的領域之前,我們要先比較ML和AI的差異。...

DAY 3

[Day03]Google把ML用在哪了?

在上一篇介紹完ML技術之後,接下來打算和大家看的是ML到底可以應用在哪裡,而Google又把ML用在了哪裡! 在進入Google把ML用在了哪些產品上之前,我...

DAY 4

[Day04]Google Cloud Platform

各位晚安,今天這篇文是用來介紹(業配)(我沒收到$嗚嗚)GCP的,老實說Google在一開始的課程就在推坑GCP了,不過我沒有跟著他的課打文章XD把第一章節的課...

DAY 5

[Day05]其他企業開發ML案例(With Google)

幫助其他企業導入ML,也是現今Google的一個重要的業務,上一篇有提到,GCP就是一個很好的例子。但是GCP內究竟有哪些功能可以幫助其他企業導入ML?讓我們繼...

DAY 6

[Day06]一切都是數據!

前面提到了,要訓練ML就需要數據,而且是大量的數據,這些數據不僅要大、更要多樣! Google地圖 看到這張圖了嗎?左邊第一個是GoogleMaps的經典應用...

DAY 7

[Day07]資料的流動,以及訓練與預測處理的差別

這篇其實又再推坑GCP啦!主要會講到DataFlow和一些TensorFlow耶~。↓↓↓↓↓正文↓↓↓↓↓ Stream Data 以及 Batch Dat...

DAY 8

[Day08]Machine Learning 10 大陷阱[上]

ML 十大陷阱 * 1.ML需要大量的軟體基礎 什麼難道ML不需要太強的軟體基礎嗎?Google解釋,再導入ML到自家公司時,選擇預有的框架會比較好,許多...

DAY 9

[Day09]Machine Learning 10 大陷阱[下]

延續上一篇文章,這篇文章要來談談ML的10 大陷阱剩下的五個! 6. ML model 向錯誤的地方優化 ***> 你的用戶可能不在乎你給他們的是ML,他...

DAY 10

[Day10]導入ML五大步驟

企業該如何在自家產品導入Machine Learning技術 Google在導入ML技術時有五個步驟,缺一不可每個都非常重要,只要停留在其中一個步驟太久,又或者...