鐵人檔案
透過分享ML Study Jam課程中的所學與Google Cloud Platform的使用，協助大家更輕鬆地利用Machine Learning解決問題。
包容性機器學習 經由前面的文章，我們了解到要藉由機器學習對組織進行轉型，在商業流程上會需要考慮與完成什麼，才能達成目標。然而，在機器學習於商業的使用上，其實還有...
以混淆矩陣協助達成包容性機器學習 在前往包容性機器學習的路上，有個重要的途徑便是從我們已經訓練好的機器學習模型當中，找出模型上目前還做得不夠好的地方，也可以說是...
進行模擬決策實驗以決定最適當之決策門檻 在前面的文章中，我們談到可以藉由混淆矩陣與衡量指標等工具來判斷目前建立出的機器學習模型在應用上是否適當，沒有造成偏見的問...
使用BigQuery與Datalab進行資料分析(上) 在機器學習的工作流程裡，包含資料收集、資料前處理、特徵工程、模型訓練、模型優化與模型部署等步驟，而其中的...
使用BigQuery與Datalab進行資料分析(中) 我們在上一篇文章中談到可以使用Google Cloud Platform提供的兩項服務，分別是BigQu...
使用BigQuery與Datalab進行資料分析(下) 今天的文章將和各位展示一個結合使用BigQuery與Datalab進行資料分析的簡單範例。首先在這裡簡單...
機器學習預訓練模型API - Vision API 接下來的四篇文章，將分別介紹課程中提及的四個Google Cloud Platform上提供的機器學習預訓練...
機器學習預訓練模型API - Video Intelligence API 此篇文章要介紹的API為Google Cloud Platform的Video In...
機器學習預訓練模型API - Cloud Speech API 前面兩篇Google Cloud Platform的API介紹文章主要是著重在視覺相關領域的應用...
機器學習預訓練模型API - Translation and Natural Language 除了以口語溝通作為重要的交流媒介外，文字也是人們在日常生活當中交...
