iT邦幫忙

嗡嗡
iT邦新手 4 級 ‧ 點數 411
42470
累計瀏覽數
站內簡訊 追蹤

嗡嗡 的發文列表 90

1 Like 3 留言 3757 瀏覽

技術 【Day 30】 Google ML - 30天內容回顧與課程索引, 參賽心得, 未來計畫與感謝

11th鐵人賽 #mlstudyjam
2019-10-01 由 嗡嗡 分享
3 Like 0 留言 41650 瀏覽

技術 【Day 29】 Google ML - Lesson 13 – 以混淆矩陣(confusion matrix)分析ML模型好壞,可評估的三種指標Accuracy, Precision, Recall

11th鐵人賽 #mlstudyjam
2019-09-30 由 嗡嗡 分享
0 Like 0 留言 9078 瀏覽

技術 【Day 28】 Google ML - Lesson 12 - 不適當的最小loss, 完美損失函數(loss function)存在嗎?ML模型的性能指標(performance metrics)

11th鐵人賽 #mlstudyjam
2019-09-29 由 嗡嗡 分享
1 Like 0 留言 14402 瀏覽

技術 【Day 27】 Google ML - Lesson 11 - 我們應該何時停止ML模型的訓練? 利用驗證資料集, 測試資料集, 交叉驗證(cross-validation) 評估模型訓練結果的好壞

11th鐵人賽 #mlstudyjam
2019-09-28 由 嗡嗡 分享
0 Like 0 留言 11315 瀏覽

技術 【Day 26】 Google ML - Lesson 10 - 泛化(Generalization)-檢查ML模型對於未知資料集的預測能力, underfitting與overfitting的問題

11th鐵人賽 #mlstudyjam
2019-09-27 由 嗡嗡 分享
1 Like 0 留言 7693 瀏覽

技術 【Day 25】 Google ML - Lab 5 - 在視覺化的網頁中觀察神經網路(neural network)如何分類資料, 並比較batch size如何影響gradient descent

11th鐵人賽 #mlstudyjam
2019-09-26 由 嗡嗡 分享
0 Like 0 留言 5020 瀏覽

技術 【Day 24】 Google ML - Lab 4 - TensorFlow Playground - 讓我們在視覺化的網頁中體驗一下訓練ML模型吧！learning rate 改變對訓練過程的影響

11th鐵人賽 #mlstudyjam
2019-09-25 由 嗡嗡 分享
0 Like 0 留言 44745 瀏覽

技術 【Day 23】 Google ML - Lesson 9 - 加速ML模型訓練的兩大方法(如何設定batch/檢查loss頻率)、batch size, iteration, epoch的概念和比較

11th鐵人賽 #mlstudyjam
2019-09-24 由 嗡嗡 分享
1 Like 0 留言 19702 瀏覽

技術 【Day 22】 Google ML - Lesson 8 - 學習速率 (learning rate) 介紹, 透過「learning rate」調整ML模型訓練的學習速度

11th鐵人賽 #mlstudyjam
2019-09-23 由 嗡嗡 分享
1 Like 0 留言 18208 瀏覽

技術 【Day 21】 Google ML - Lesson 7 - 梯度下降法 (Gradient Descent)介紹,使用「梯度下降法」決定ML模型中參數修正的「方向」與「步長(step size)」

11th鐵人賽 #mlstudyjam
2019-09-22 由 嗡嗡 分享
iThome鐵人賽
嗡嗡的鐵人檔案
嗡嗡的收藏
嗡嗡的追蹤
嗡嗡的Like
嗡嗡的紀錄
嗡嗡的訂閱列表