鐵人檔案
紀錄ML Study Jam計畫，在coursera上學習到與Machine Learning with TensorFlow on Google Cloud Platform相關的東西。
TensorFlow核心 主旨：了解 TensorFlow 的核心元件和實際操作 TensorFlow 在這個子系列課程，我們將學到： 撰寫惰性求值(Lazy...
TensorFlow API如何運作 主旨：透過實作了解 TensorFlow [GCP Lab實作-6]：撰寫低階的TensorFlow程式 在這個實作中，我...
Estimator API 主旨：了解Estimator API並實際操作 在了解Estimator API的部分，我們將會學到： 用簡單的方式建造可量產的M...
巨大資料集上訓練模型 主旨：了解遇到巨大資料集時如何訓練模型 Dataset API 使用Dataset API可以讓我們在巨大的資料集上做訓練(沒辦法一次讀進...
分散式訓練 主旨：了解何時需要分散式訓練以及如何使用 大量的工作，分散式訓練 現實問題上，我們可能在一台電腦上訓練一個模型要花掉數週，這時候你應該先想到的，便是...
使用GCP訓練、監測和部署ML模型 主旨：了解如何在GCP訓練、監測和部署ML模型 為何要使用 Cloud AI Platform？ 當處理一般的簡單問題，或者...
特徵工程 (Feature Engineering) 主旨：了解特徵工程的領域有哪些 特徵工程常是建構ML專案中，花費最長時間的階段，因為在做特徵工程的時候，需...
前處理和特徵建構 主旨：了解前處理和特徵建構的做法 前處理和特徵建構 在訓練ML模型前，最重要的事就是前處理和特徵建構，特徵建構是在現有的特徵上，轉變萃取出更有...
規模化 Data Pipeline 主旨：了解如何大規模的執行 data pipeline MapReduce 在講到規模化 data pipeline 之前，...
使用 Cloud Dataprep 做資料前處理 主旨：了解如何使用 Cloud Dataprep 做資料前處理 Cloud Dataprep 在訓練ML模型前...
