在這個百家爭鳴、各類不同AI燦爛如繁星的時代,要怎麼跟上進展迅速的新科技,我想是個必須面對的議題。接下來就用30天的旅程,來看看這片領域的風景吧!
主要內容會是一些AI與NLP學習過程中的心得和小技巧,有興趣的就快快加入旅行團,我們出發囉!
接下來我們來講講資料清理的部分。 為什麼要清理資料呢?最主要的就是讓準確性提高,其它像是加快模型速度等等,也都是清理資料的好處之一。 清理好資料,就像是把食材洗...
前幾天談了資料集,也談了資料的預處理,今天我們就來說說情緒分析到底整個程式在幹嘛吧! 今天是大略講講整個訓練的流程,還有為什麼要這麼做,不會有程式碼,所以會暈程...
我們有說過,在資料處理的時候,文字、聲音、影像三個方法要分別處理,即使是多模態(兩種以上方法混合),也是要各自處理完之後再合一。 今天我們就來說說,在處理文字資...
昨天看完了對於文字類型資料特徵做提取的模型,有沒有對情緒分析更感興趣了呢? (還是直接放棄了) 今天我們要來看看,在對於「聲音」的特徵提取上,我們可以有哪些方法...
今天來到我們特徵提取部分的最後一環啦~ 把今天的視覺特徵提取方法也學起來之後,之後要怎麼分析都沒有問題了! 那就一起來看看吧! 視覺特徵提取 視覺方面的特徵,...
當我們把資料集、特徵處理、資料預處理等等的預備步驟講完了,也代表我們要進入到下一個步驟--分析了。 今天我們就來講講,為什麼我們要用所謂的「多模態分析」,以及他...
昨天的結尾我們有說到,在使用多模態方法分析的時候,有分為「早期融合」、「晚期融合」兩種,今天我們就來看看早期融合模型有哪些。 早期融合(EF, Early F...
昨天講完了早期融合模型,各位是眼睛一亮還是看完之後霧煞煞呢? 今天就來看晚期融合模型吧!兩種方法很不一樣,也有各自不同的適用時機。 晚期融合(LF, Last...
除了我們前兩天說到的早期 / 晚期融合模型之外,還有一些其他的方法。 今天我們要介紹的 Tensor-based Fusion 就是其中一種,那我們就繼續看下去...
這一次的比賽過程中經歷了很多波折,這次能夠成功撐到最後一天我也是很訝異。 其實從上一屆鐵人賽完賽之後,就有想說下一次比賽之前要先準備,不然每一次都當天開始寫文章...