鐵人檔案
AI世界就像一道高牆，對於初學者來說未知且高深莫測，希望透過三十天的挑戰回顧所學，帶領初學者們越過高牆，來到資料科學的領域中一探究竟，除了基礎的理論知識，會更著重於實作，透過一些經典資料集和知名平台競賽來做為範例，解決初學者無從下手的窘境！
試想一下，如果有個模型號稱有99%的準確率，那這個模型好不好呢？答案是不一定，在處理分類問題時，我們很常會遇到的一個狀況就是"資料不平衡"，...
特徵工程可以分為兩大部分，一是根據現有的資料特徵進行篩選，選出較有影響力的特徵進行訓練，另一個是根據現有的資料特徵，去衍生出資料集中沒有的特徵來讓模型學習。今天...
一、為何要做標準化 以最簡單的方式來說，一份資料中，不可能每個特徵的範圍都是一樣的，當我們需要拿兩筆特徵資料來做處理時，就必須讓他們的評比標準都相同才會準確。舉...
機器學習可以分成監督式學習與非監督式學習，這部分我們在第四天有稍微提到過，這邊就不多做說明了，今天我們將介紹這兩類的問題分別適合用什麼模型來做處理。 一、監督...
我們的挑戰終於進行一半啦~前面經過漫長的資料前處理、特徵工程、挑選模型進行訓練後，我們把一個機器學習的模型建立出來了，接著我們要進行測試，也就是把測試檔丟入模型...
一、前言 前面學了這麼多的方法，大家是不是在煩惱要怎麼使用？或是不知道該用在什麼地方？今天就由小編來帶大家進行專案實戰，讓大家輕鬆上手。 二、資料哪裡來 這次...
ㄧ、資料前處理 1. 補值、刪值 前面我們透過視覺化的方式找到資料有缺值，因此我們要將資料進行補值。要記得訓練資料怎麼補，測試資料也要使用同樣的方法。 補值：在...
一、挑選模型 再將資料丟入模型前要先做好資料前處理，並將訓練資料的答案另外獨立出來，然後把訓練資料與你獨立出來的答案丟入模型做訓練，最後再把你的測試及資料丟入訓...
我們在前面算是完整的介紹了使用機器學習的方法來做資料分析，在剩下最後11天的時間，我想把自己在暑假所接觸的深度學習、電腦視覺，以及參加的議題競賽拿來作介紹，順便...
昨天我們介紹了深度學習的概念和應用，今天來介紹一下圖片的處理，前一章我們有提到，一張圖片對於神經網路來說就是很多像素組成的矩陣，為了讓神經網路能夠學習它，我們必...
