在這三十天的過程中,除了介紹ML Study Jam計畫與GCP平台的操作和心得介紹之外,也會補充一些機器學習需要知道的流程與知識
1. 課程內容的講解:
課程內容分成影片、問答、Hands-on Labs操作
2. 實作的心得:
學習心得與平台使用上的感覺和優缺點
3. ML知識補充:
在實作的過程中結合觀念,幫助理解Google ML的應用
對於資料前處理的部分會介紹比較多,尤其是資料層面會介紹到資料倉儲與ETL等處理機器學習資料與儲存資料相關知識,理論與實務各一半分享。
前一天介紹了ETL架構的子系統與與資料品質的衡量,今天我們來看資料倉儲有關商業智慧應用的部分。 注意! 接下來文章當中所提到的商業智慧應用是一種構建完成資料倉儲...
前一天介紹了維度表的應用以及有關商業智慧的部分,今天我們來看Python程式如何做到資料前處理的各個步驟。 資料前處理步驟: 1.觀看資料特徵,是數值型特徵還是...
前一天我們討論了資料前處理的各個步驟,今天我們來認識資料視覺化。 資料視覺化 資料視覺化(Data Visualization)是指運用視覺的方式呈現數據,有效...
前一天我們討論了資料視覺化的技巧,今天我們來看其他matplotlib語法以及Seaborn用法。 在matplotlib當中除了昨天介紹的plt.plot和p...
前面介紹了許多ETL、資料前處理與探索式數據分析的方法,今天讓我們回到課程正軌繼續看機器學習的策略與業界應用 An ML strategy 講師強調,未來還有很...
上次提到機器學習的策略與業界應用,這次我們繼續來看企業運用推薦系統服務的關鍵與機器學習的秘密。 知己又知彼 如果說能做到個性化的服務更是贏得客戶信任的關鍵,就像...
昨天介紹了企業運用推薦系統服務的關鍵與機器學習的秘密,今天來看機器學習模型的偏差。 Machine Learning and Human Bias 講師介紹到機...
昨天介紹了機器學習模型的偏差,今天我們繼續就同樣議題深入探討。 Statistical Measurements and acceptable tradeoff...
昨天我們把機器學習的模型誤差討論完,今天來介紹Cloud Datalab服務。 Cloud Datalab 目前有許多人在寫Python程式時不是使用Pytho...
前一天我們把Cloud Datalab服務介紹完,今天來介紹如果說沒有機器學習該怎麼解決問題? ML, not rules 講師介紹如果說在沒有機器學習的情況下...