iT邦幫忙

鐵人檔案

2022 iThome 鐵人賽
回列表
AI & Data

OH~ AI 原來如此,互助就此開始! 系列

手機的人臉解鎖,嘿 Siri ,google 搜尋及翻譯,日常追劇的推薦影音…人工智慧不知不覺中已經和我們的生活如此地靠近。本系列文旨在向所有人推廣 AI 的基礎知識和應用,不涉及艱深的數學,使用不是工程師也能簡單易懂的口吻,從自身準備日本深度學習 G 檢定和 E 資格考試時的學習心得,輔以工作經驗來說明 AI 在專案上的運用。希望能幫助你輕鬆理解 AI,並讓 AI 成為你工作及生活上的助力。

鐵人鍊成 | 共 31 篇文章 | 43 人訂閱 訂閱系列文 RSS系列文
DAY 11

Day 10. 機器學習模型 - 強化學習

監督和非監督式學習使用了所有的資料來學習進行預測,但是在強化學習中,並非所有資料從一開始就看得見,而是透過摸索的形式和環境互動取得經驗,從錯誤中學習找到一個長期...

2022-09-25 ‧ 由 henry_chen 分享
DAY 12

Day 11. 機器學習模型 - 評價模型

模型學習完成之後,怎麼驗證模型學習的效果好不好,預測準不準確,就是今天要講的模型的評價方法。 交叉驗證(Cross validation) 監督式學習需要有資料...

2022-09-26 ‧ 由 henry_chen 分享
DAY 13

Day 12. 深度學習模型 - 基本構成

機器學習的模型是不是還有一個沒有講?沒錯,就是神經網路!Day5 的時候我們有簡單介紹感知器和神經網路,這邊就來實際說明感知器和神經網路的基本構成,雖然神經網路...

2022-09-27 ‧ 由 henry_chen 分享
DAY 14

Day 13. 深度學習模型 - 梯度下降改善

前面說過梯度下降是用來做最佳化,也就是調整參數的重要方法,今天的文章會附上了一段程式動畫來直觀看到梯度下降是怎麼調整預測,以及說明實際上學習的時候會遇到什麼問題...

2022-09-28 ‧ 由 henry_chen 分享
DAY 15

Day 14. 深度學習模型 - 學習的改善

介紹完梯度下降的改善,就來看學習完成後的模型有哪些方法可以做改善,來達到我們想要的準確度。 過度擬合(Overfitting)和欠擬合(Underfitting...

2022-09-29 ‧ 由 henry_chen 分享
DAY 16

Day 15. 深度學習模型 - CNN(一)

今天開始進入應用篇。在介紹 CNN 之前,先來看一段日本五專學生利用圖像分類做的獲獎作品,透過分辨魚的種類自動將魚分裝,大幅減少漁夫作業時間。評審員給出有五億日...

2022-09-30 ‧ 由 henry_chen 分享
DAY 17

Day 16. 深度學習模型 - CNN(二)

昨天介紹的模型都是用來做圖像分類(Image Classification),那自動駕駛車又用到了其他哪些圖像技術呢?先來感受一下坐在特斯拉的車子裏面會是什麼情...

2022-10-01 ‧ 由 henry_chen 分享
DAY 18

Day 17. 深度學習模型 - GAN

歡迎來到眼見未必為真的世界!最近新聞熱烈報導的 AI 繪圖「Midjourney」以人類名字參加美術展而且還獲獎!AI 自己產生的繪圖作品打敗了人類的繪圖作品。...

2022-10-02 ‧ 由 henry_chen 分享
DAY 19

Day 18. 深度學習模型 - RNN(一)

語言模型(Language Models)是判斷一定長度的文字出現在句子的機率,生活中的語言模型你一定用過,而且每天有數十億人在用,可以算是最常用的 NLP 應...

2022-10-03 ‧ 由 henry_chen 分享
DAY 20

Day 19. 深度學習模型 - RNN(二)

昨天講解完 RNN 的輸入資料是怎麼來的,今天要來介紹 RNN 基本架構和 RNN 具體可以做些什麼。 RNN 之所以可以處理時間序列資料,在於會把過去(前一個...

2022-10-04 ‧ 由 henry_chen 分享