發表文章

目前顯示的是有「ML」標籤的文章

第三屆機器學習百日馬拉松

圖片
影片 機器學習 vs 深度學習 第三屆機器學習百日馬拉松活動介紹 機器學習百日馬拉松是源自於國外瘋行的機器學習挑戰賽,目的是希望從參與活動的那天起,每天至少花一小時的時間進行資料科學與撰寫 AI 程式,連續堅持 100 天,進而更好理解和掌握資料科學與 AI 程式 Coding 能力。然而,對一個新手來說,學習過程其實充滿挫折,有太多的資訊、課程和書籍卻不知從何著手。 本次活動的發起,目的即是為了要幫助 AI 學習者能夠以更有效率的方法學習。因此我們匯集了一群資料科學家、企業中高階經理人與專業的軟體工程師,彼此分享與優化學習過程後規劃出最佳學習路徑。加入專家們的學習社群,你能更快掌握 AI 產業應用的關鍵知識。此外,你還可透過參與全球最大數據競賽平台 Kaggle 檢驗學習成效,留下實戰紀錄。 第一、二屆機器學習百日馬拉松,在活動開跑前半月即招募額滿,超過兩千位學員參與,上次沒有報名到的朋友,這次要把握機會提早報名。第三屆《機器學習百日馬拉松》將於八月底開跑,第三屆馬拉松除了有更多 AI 專家加入、原有教材再升級,提供更多延伸閱讀外,在每個主題結束前,都有專家的影片教學回顧,幫你更有系統掌握 AI 知識。 為了讓學員在學習的路上不孤單,除了有專家陪伴外,第三屆《機器學習百日馬拉松》首創共學社群,讓你可以找到志同道合的學習夥伴一起跑完這一百天。無論是線上討論、線下組織讀書會,或是邀請夥伴一起打Kaggle競賽皆可在共學社群中完成。 不論你正從事 AI 相關工作,或者想規劃跨界 AI 產業,我們想和你一起分享社群導向的學習方法,希望透過你的參與,一起優化 AI 學習曲線,讓你在資料科學與 AI 領域獲得更多知識與實務經驗。 活動資訊  活動時間: 2019/08/26-2019/12/25(學習時間為自由安排,建議最晚加入時間為08/31) 活動期限: 活動報名截止日期2019/08/30 (額滿即提前停止售票) 活動費用: 7/31號以前報名,享有早鳥優惠,單人早鳥票NTD1800元/雙人早鳥票NTD3400元。 8/01號以後報名,恢復正常票價,單人票NTD1990元/雙人票NTD3700元。 活動進度: 題目公告之後,參加者可依照自己的學習狀況提交進度,譬如若無法每日提交作業,也可集中至假日一併提交。 學習方式: 參加者至活動...

初探深度學習使用 Keras part 2

CSDN - 對 Dropout 的詮釋 組合派 (Ensemble)         overfitting → 參數量過多 → 找到一個比較瘦的網路可能可以降低 overfitting 的程度 → 手動或使用 Grid-                         Search? 太慢 → 使用 Dropout 使學習時隨機打斷一些連結 → 可以解決費時的問題,把重要的連結權重增         加;不重要的減輕 → 重新組合起來後 (Inference phase) 自然會是一個以權重定義後的瘦網路。 動機論 (有豬隊友)         overfitting →  有人 (參數/連結) 濫竽充數 → 隨機將某些人 (神經元) 分成數組 → 各組學會懂得自立自強          → 重新組合後 (Inference phase) 會比原本更強大。 參考連結: 理解 Dropout – CSDN  Dropout in Deep Learning

初探深度學習使用 Keras part1

圖片
延伸閱讀: Keras文檔 Github連結: https://github.com/keras-team/keras/tree/master/docs Keras文檔的來源位於此目錄中。我們的文檔使用由 MkDocs 實現的擴展Markdown 。  構建文檔 安裝MkDocs: pip install mkdocs  pip install -e . 確保Python將導入您修改後的Keras版本。  從根目錄cd進入docs/文件夾並運行:  KERAS_BACKEND=tensorflow python autogen.py mkdocs serve #啟動本地Web服務器:  localhost:8000   mkdocs build #在site/目錄中構建靜態站點 

資料科學 機器學習 學習資源

Python 基礎學習資源 (1) Python 安裝環境介紹 - 吳佳諺老師 https://youtu.be/0o6Y1yoZpeE (2) 莫煩 Python 基礎教程 https://morvanzhou.github.io/tutorials/python-basic/basic/ ■ 資料科學相關學習資源 (1) 莫煩資料科學基礎 教程 https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/ https://morvanzhou.github.io/tutorials/data-manipulation/plt/ (2) 推薦書籍 Python 資料科學學習手冊 (Python Data Science Handbook: Essential Tools for Working with Data) https://www.tenlong.com.tw/products/9789864766857?list_name=srh

ML 機器學習 資訊收集 推薦Blog

圖片
ML 資訊收集 推薦Blog 三大巨頭: Google AI blog Facebook Research blog Apple machine learning journa 搭這兩個: 機器之心 雷鋒網 應該來找一下 AWS , Microsoft 以及IBM的網站 大家有甚麼推薦?

敘述統計與機率分布

圖片
敘述統計與機率分布 吳漢銘老師 AI學校經理人班教材 網頁連結 要做出足夠深入的 EDA,對於統計的理解是必須的,這份教材可以提供同學了解統計觀念的機會,但是這份教材的範圍太廣,牽涉到太多預備知識,並不適合同學完整閱讀,只建議在不熟悉名詞時,回頭當作工具書參考即可。

Machine Learning 筆記整理 名詞篇

CNN convolutional neural network (CNN, or ConvNet)  DNN deep neural network (DNN) MKL Intel® Math Kernel Library ( Intel® MKL ) DAAL  Intel® Data Analytics Acceleration Library ( Intel® DAAL ) Caffe   Caffe  is a deep learning framework developed by Berkeley Vision and Learning Center (BVLC) and one of the most popular community frameworks for image recognition. Together with  AlexNet , a neural network topology for image recognition, and  ImageNet , a database of labeled images, Caffe is often used as a benchmark. Intel® Modern Code Multi-level parallelism is a framework that uses all of the parallel performance features available on modern hardware via vectorization, multi-threading, and multi-node optimizations. Explore how to deliver multi-level parallel algorithms that effectively scale forward for today’s and tomorrow’s hardware. 相關文章: Accelerating Machine Learning and Deep Learning with Intel Tools and Libraries Single Node Caff...

Google Search

推薦內容橫式

本月熱門文章

什麼是 OTA ?

北京故宮首訪,一窺清宮秘史 大玉兒 & 甄嬛

科技業寒冬? 許多裁員消息 & Blog中討論Linkedin 及英文履歷的點閱率提高了 !

中聯油脂後台有多硬? 台中市食安問題疑點重重

新的社交網路 Parler 使用教學 How To Use Parler 2020 App Tutorial

工業物聯網 OPC UA 學習筆記

【臉書無法登入】Facebook帳號卡安全檢查?無預警被停用與英文回報申訴教學

【大安區水電推薦】泰順水電廚具行:廚房翻修、家庭水電維修與五金材料販售

水電行介紹---台北市北投區光明街上的老勝發水電行 ---我店面要抬頭才看得到