Google machine learning 學習筆記 :: 第 11 屆 iThome 鐵人賽

1 Like 0 留言 2325 瀏覽

DAY 11

【Day 11】 Google ML - Lesson 8 - Cloud Shell 的介紹與 google雲的三代變化, 使用ML與一般演算法的比較與優勢

前言我們繼續 How Google does Machine Learning 的第五章節~ 這次鐵人賽的30天中，我目前所寫文章的所有課程目錄如下：【...

2019-09-12 ‧ 由嗡嗡分享

0 Like 0 留言 8206 瀏覽

DAY 12

【Day 12】 Google ML - Lesson 9 - google圖片辨識(Vision), 影片辨識(Video), 語音辨識, 語言翻譯, 自然語言辨識(NL) API功能總整理

前言開頭先整理一下今天的內容：我們今天一共會整理google的5種Cloud API，以下針對類型先做個簡單整理： Google雲端上的API名稱類...

2019-09-13 ‧ 由嗡嗡分享

1 Like 0 留言 2912 瀏覽

DAY 13

【Day 13】 Google ML - Lab 2 - Analyzing Data using Datalab and BigQuery - 使用 BigQuery與Datalab視覺化分析資料

前言我們來做 How Google does Machine Learning 的第二個lab~ 這次鐵人賽的30天中，我目前所寫文章的所有課程目錄如下：...

2019-09-14 ‧ 由嗡嗡分享

0 Like 0 留言 2748 瀏覽

DAY 14

【Day 14】 Google ML - Lab 3 - Machine Learning APIs - (API實作篇) google圖片辨識, 語音辨識, 語言翻譯, 自然語言辨識(NL)

前言我們來做 How Google does Machine Learning 的第二個lab~ 這次鐵人賽的30天中，我目前所寫文章的所有課程目錄如下：...

2019-09-15 ‧ 由嗡嗡分享

1 Like 0 留言 9237 瀏覽

DAY 15

【Day 15】 Google ML - Lesson 1 - Supervised Learning 與 Unsupervised Learning 監督式學習與非監督式學習的介紹和比較

前言今天要來進新課程 Launching into Machine Learning ~ 我們先來介紹一下這課程裡面有哪些章節，這次的課程一共有四章~ Lau...

2019-09-16 ‧ 由嗡嗡分享

0 Like 0 留言 10807 瀏覽

DAY 16

【Day 16】 Google ML - Lesson 2 - 監督式學習(Supervised Learning)中兩大問題 - Regression & Classification(回歸與分類)

前言今天我們繼續新課程 Launching into Machine Learning 的第二章~ 這幾天的文章會是一系列的，會需要一起看才比較能看懂整個ML...

2019-09-17 ‧ 由嗡嗡分享

2 Like 0 留言 8304 瀏覽

DAY 17

【Day 17】 Google ML - Lesson 3 - 多維度線性回歸解(N-D Regression), 交叉熵(cross-entropy)與均方差(MSE) 作為誤差函數計算所帶來的不同

今天的內容會很數學......不過我盡量試著用自己的方式講的比較簡單一點了，裡面附帶一點我自己比較ㄎㄧㄤ的理解方式，但不一定完全正確就是XD，希望大家能比較舒服...

2019-09-18 ‧ 由嗡嗡分享

1 Like 0 留言 22533 瀏覽

DAY 18

【Day 18】 Google ML - Lesson 4 - 什麼是ML模型?訓練的目標? 回歸模型(Regression model), 分類模型(Classification model)的運算

前言這幾天的文章會是一系列的，會需要一起看才比較能看懂整個ML模型的輪廓，然而因為一天能寫的內容量有限，所以我會在前言部分稍微說明我寫到哪。複習一下ML的整...

2019-09-19 ‧ 由嗡嗡分享

0 Like 0 留言 5528 瀏覽

DAY 19

【Day 19】 Google ML - Lesson 5 - 接下來幾天作為範例的「訓練資料集介紹」、範例「資料集訓練前分析」(順便補上整個ML訓練流程，作為系列文章中的訓練階段參考)

前言這幾天的文章會是一系列的，會需要一起看才比較能看懂整個ML模型的輪廓，然而因為一天能寫的內容量有限，所以我會在前言部分稍微說明我寫到哪。複習一下ML的整...

2019-09-20 ‧ 由嗡嗡分享

2 Like 0 留言 76632 瀏覽

DAY 20

達標好文【Day 20】 Google ML - Lesson 6 - 使用損失函數(Loss Functions)來評估ML模型的好壞吧! MSE, RMSE, Cross Entropy的計算方法與特性

前言這幾天的文章會是一系列的，會需要一起看才比較能看懂整個ML模型的輪廓，然而因為一天能寫的內容量有限，所以我會在前言部分稍微說明我寫到哪。複習一下ML的整...

2019-09-21 ‧ 由嗡嗡分享

鐵人檔案

Google machine learning 學習筆記系列

【Day 11】 Google ML - Lesson 8 - Cloud Shell 的介紹與 google雲的三代變化, 使用ML與一般演算法的比較與優勢

【Day 12】 Google ML - Lesson 9 - google圖片辨識(Vision), 影片辨識(Video), 語音辨識, 語言翻譯, 自然語言辨識(NL) API功能總整理

【Day 13】 Google ML - Lab 2 - Analyzing Data using Datalab and BigQuery - 使用 BigQuery與Datalab視覺化分析資料

【Day 14】 Google ML - Lab 3 - Machine Learning APIs - (API實作篇) google圖片辨識, 語音辨識, 語言翻譯, 自然語言辨識(NL)

【Day 15】 Google ML - Lesson 1 - Supervised Learning 與 Unsupervised Learning 監督式學習與非監督式學習的介紹和比較

【Day 16】 Google ML - Lesson 2 - 監督式學習(Supervised Learning)中兩大問題 - Regression & Classification(回歸與分類)

【Day 17】 Google ML - Lesson 3 - 多維度線性回歸解(N-D Regression), 交叉熵(cross-entropy)與均方差(MSE) 作為誤差函數計算所帶來的不同

【Day 18】 Google ML - Lesson 4 - 什麼是ML模型?訓練的目標? 回歸模型(Regression model), 分類模型(Classification model)的運算

【Day 19】 Google ML - Lesson 5 - 接下來幾天作為範例的「訓練資料集介紹」、範例「資料集訓練前分析」(順便補上整個ML訓練流程，作為系列文章中的訓練階段參考)

達標好文【Day 20】 Google ML - Lesson 6 - 使用損失函數(Loss Functions)來評估ML模型的好壞吧! MSE, RMSE, Cross Entropy的計算方法與特性

鐵人檔案

Google machine learning 學習筆記 系列

達標好文 【Day 20】 Google ML - Lesson 6 - 使用損失函數(Loss Functions)來評估ML模型的好壞吧! MSE, RMSE, Cross Entropy的計算方法與特性

標記使用者

Google machine learning 學習筆記系列

達標好文【Day 20】 Google ML - Lesson 6 - 使用損失函數(Loss Functions)來評估ML模型的好壞吧! MSE, RMSE, Cross Entropy的計算方法與特性