iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
AI & Data

實實在在地學習人工智慧-基礎理論探討與經典案例實作 系列

記錄這一年來所接觸到的AI相關數學知識及經典案例分享,目標是以非常白話的方式去分享、解釋,方便想要入門的朋友能夠將理論和程式實作一同學習,避免過多的理論分享卻缺乏實作經驗,也不會只實作程式碼卻不知道自己的程式碼在打什麼。預計會提到AI相關基礎數學理論、演算法、必備python套件以及經典案例介紹!

鐵人鍊成 | 共 30 篇文章 | 35 人訂閱 訂閱系列文 RSS系列文
DAY 1

【Day 01 】前言及預計內容

  這是我第一次參與鐵人賽,也是我這一年來所學習到有關人工智慧相關知識的筆記,如果有發現任何說法不當或是說錯的地方,還請各位不吝嗇指正,謝謝。   這系列的文章...

2019-09-16 ‧ 由 John 分享
DAY 2

【Day 02 】我們的起點:機器學習介紹(1/2)

今天要來介紹人工智慧的一些名詞解釋拉!   所謂的人工智慧(Artificial Intelligence)可以說是我們人類想要電腦、機器所做出的一個目標,就好...

2019-09-17 ‧ 由 John 分享
DAY 3

【Day 03】我們的起點:機器學習介紹(2/2)

昨天我們介紹到,機器學習就是要從Data中找一個最好的模型(函式)來判斷、預測新的資料。 那麼機器學習,要怎麼學? 首先我們會創造一個函式池子,裡面有好多好多、...

2019-09-18 ‧ 由 John 分享
DAY 4

【Day 04】超級基礎的機器學習-Linear Regression 介紹(1/2)

看到昨天,應該對機器學習不再畏懼了吧!也大概對機器學習有所認識了,接下來要分享的是機器學習中非常基礎的概念-線性回歸分析(linear regression)。...

2019-09-19 ‧ 由 John 分享
DAY 5

【Day 05】超級基礎的機器學習-Linear Regression 介紹(2/2)

我們昨天簡單地提到了線性回歸,也實際以視覺化的方式去呈現最簡單的線性回歸的案例,在給定訓練資料後,可以有方法讓機器去找到最接近的函式。今天要更詳細地去了解整個過...

2019-09-20 ‧ 由 John 分享
DAY 6

【Day 06】Step 2 Loss function -平均絕對誤差(MAE)

我們昨天提到了兩個重要的知識,分別出現在我們超級簡化流程裡的二、三步驟,一個是用來判定函式的好壞的損失函式,一個是要讓我們持續逼近最好的函式的梯度下降法。今天會...

2019-09-21 ‧ 由 John 分享
DAY 7

【Day 07】Step 3 Gradient Decent

昨天講完損失函數的式子,以及實際操作了一遍數學,今天要來分享Gradient Decent拉!我們要先補充一個名詞,叫做優化器! 優化器(optimizer)...

2019-09-22 ‧ 由 John 分享
DAY 8

【Day 08】開始寫程式拉!第一站:Anaconda環境安裝步驟

昨天介紹了優化器的概念以及講述了Gradient Decent的數學推演,大致上機器學習的基礎概念及流程也就告一段落了,如果後面有用上比較困難的想法,會再進行解...

2019-09-23 ‧ 由 John 分享
DAY 9

【Day 09】開始寫程式拉!第二站:Python基礎介紹(1/2)

今天會開始介紹一切有關python的基礎用法,但我在比較基礎的指令上只會點到而已或是簡單說明一下,不會對python基礎指令有太多、太繁雜的介紹(這系列主要是要...

2019-09-24 ‧ 由 John 分享
DAY 10

【Day 10】開始寫程式拉!第二站:Python基礎介紹(2/2)

今天是python基礎指令介紹的第二天,繼續把它學起來! 資料型態查詢及轉換 我們在實作機器學習案例時,很重要的一步就是要先了解資料,所以這邊我們先介紹資料型態...

2019-09-25 ‧ 由 John 分享