iT邦幫忙

鐵人檔案

第 11 屆 iT 邦幫忙鐵人賽
回列表
Google Developers Machine Learning

透視Google Machine Learning的奧秘 系列

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。

鐵人鍊成 | 共 30 篇文章 | 12 人訂閱 訂閱系列文 RSS系列文
DAY 21

[Day21] GCP當中好用的API:Cloud Vision API與Video intelligence API

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...

2019-10-06 ‧ 由 芋頭 分享
DAY 22

[Day22] GCP當中好用的API:Cloud Speech API與Translation and NL

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...

2019-10-07 ‧ 由 芋頭 分享
DAY 23

[Day23] 認識監督式與非監督式學習

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...

2019-10-08 ‧ 由 芋頭 分享
DAY 24

[Day24] 認識迴歸與分類問題

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...

2019-10-09 ‧ 由 芋頭 分享
DAY 25

[Day25] 認識常見的機器學習模型與優化器

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...

2019-10-10 ‧ 由 芋頭 分享
DAY 26

[Day26] Python在建立機器學習模型與超參數的技巧

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...

2019-10-11 ‧ 由 芋頭 分享
DAY 27

[Day27] 認識損失函數

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...

2019-10-12 ‧ 由 芋頭 分享
DAY 28

[Day28] 認識隨機森林與梯度提升機

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...

2019-10-13 ‧ 由 芋頭 分享
DAY 29

[Day29] 機器學習實務——資料科學家的一天

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...

2019-10-14 ‧ 由 芋頭 分享
DAY 30

[Day30] 數據分析相關工作之間的差異 & Google Machine Learning鐵人完賽心得

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...

2019-10-15 ‧ 由 芋頭 分享