鐵人檔案
這是一個 30 天 AI 與資料學習挑戰。
希望透過每天的文章，紀錄學習 AI & Data 的過程：理解概念、嘗試工具、做簡單實作。
每天一點點的累積，也許你會和我一樣，慢慢對 AI 與資料有自己的理解，最終能夠 把所學運用在簡單專案上，並建立自己的學習脈絡。
前言AI是近年來引起大家熱烈討論的議題，無論是工作還是生活，我們越來越常看到AI的應用。其中AI與Data有著密不可分的關係，掌握AI與Data相關知識，可以提...
前言昨天我們分別介紹了 AI 與 Data 的基本概念。今天，我們要更進一步，探討兩者之間的關係，說明為什麼資料是 AI 的基礎，以及 AI 如何透過資料發揮價...
前言昨天我們提到，AI 需要透過資料來學習與訓練。那麼，資料是如何一步步變成可以做出判斷的 AI 模型呢？其實，AI 的核心是各種算法 (Algorithm)，...
前言 昨天我們快速比較了 AI、ML、DL 的差異，並提到 ML 的一大類型是 監督式學習 (Supervised Learning)。那麼，監督式學習究竟是怎...
前言昨天我們談到監督式學習的兩大任務：分類（Classification）與迴歸（Regression）。其中分類任務在生活中最常見，也最容易理解。那麼，分類任...
前言昨天我們介紹了分類任務，今天要從數學和統計的角度認識一個經典的分類演算法——邏輯迴歸 (Logistic Regression)。為了理解它，先要知道它的前...
前言昨天我們學到了邏輯迴歸的數學基礎，今天要開始準備實作環境。我們會透過 Anaconda 建立虛擬環境，並使用 Jupyter Notebook 作為開發工具...
前言昨天完成了開發環境建置，今天我們要開始準備邏輯迴歸的資料。首先從網路下載範例資料檔案，然後導入 Jupyter Notebook，進行初步檢視與簡單視覺化（...
前言昨天我們完成了資料的下載、讀取、初步檢視以及簡單視覺化，對資料集的結構、特徵分布和目標類別已有基本認識。今天，我們要在此基礎上，進行資料前處理（Data P...
前言昨天我們完成資料前處理與特徵工程，現在已經有乾淨且規範的資料可以使用。今天將進入核心步驟：建立邏輯迴歸模型，讓模型學習特徵與目標之間的關係。 一、建立邏輯...
