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。
前一天我們介紹了如果說沒有機器學習該怎麼解決問題,今天來介紹Cloud Vision API和Video intelligence API Cloud Visi...
前一天我們介紹了Cloud Vision API和Video intelligence API,今天來介紹Cloud Speech API和Translatio...
前一天我們介紹了Cloud Speech API和Translation and NL,今天來介紹監督式與非監督式學習 第一堂課程完成 前面我們花了好幾天的時間...
前一天我們介紹了監督式與非監督式學習,今天來介紹迴歸與分類問題。 Regression and Classification 講師接續上一堂課程的餐廳帳單例子來...
前一天我們介紹了迴歸與分類問題,今天來介紹機器學習的模型與優化器。 Defining ML Models 課程當中講述了接下來會介紹的幾個重點,有機器學習模型定...
前一天我們介紹了機器學習的模型與優化器,今天來介紹Python在建立機器學習模型與超參數的技巧。 建立模型 在 Scikit-learn 中,建立一個機器學習的...
前一天我們介紹了Python在建立機器學習模型與超參數的技巧,今天來介紹損失函數。 前面已經介紹完模型的模型的優化器與超參數,再來我們要看說模型訓練完之後成效到...
前一天我們介紹了損失函數,今天來介紹隨機森林與梯度提升機。 前面介紹了線性和羅吉斯兩種機器學習常見的模型,今天要再教大家隨機森林和梯度提升機兩種,其中梯度提升機...
剩下最後的兩天,Google Machine Learning的學習之旅即將結束了,我想要分享特別一點的內容 資料科學家——21 世紀最性感的工作 隨著大數據...
今天是最後一天了,終於可以完賽,回顧這三十天來分享了好多機器學習相關的東西,自己也有許多的收穫,除了分享一下完賽心得,我們今天也來探討一下數據分析相關工作之間的...