跳至主要內容
  • Machine Learning
機器學習概念
  • 簡介
  • 機器學習簡介
  • 機器學習模型
  • 線性迴歸
  • 邏輯迴歸
  • 分類
  • 資料
  • 使用數值資料
  • 使用分類資料
  • 資料集、泛化和過度擬合
  • 進階機器學習模型
  • 類神經網路
  • 嵌入
  • 大型語言模型簡介
  • 實際機器學習
  • 可用於實際工作環境的機器學習系統
  • 自動化機器學習
  • 公平性
基礎課程 進階課程 指南 詞彙解釋
  • 所有條款
  • 代理功能
  • 分群
  • Decision Forest
  • 基礎知識
  • GCP
  • 生成式 AI
  • 指標
  • 負責任的 AI 技術
  • TensorFlow
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Polski
  • Português – Brasil
  • Tiếng Việt
  • Türkçe
  • Русский
  • Українська
  • עברית
  • العربيّة
  • فارسی
  • हिंदी
  • বাংলা
  • ภาษาไทย
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
登入
  • 機器學習概念
首頁 Crash Course
  • Machine Learning
  • 機器學習概念
    • 更多
    • 首頁
    • Crash Course
  • 基礎課程
  • 進階課程
  • 指南
  • 詞彙解釋
    • 更多
  • 快速連結
  • 必備條件
  • 運動
  • 說明中心
  • 機器學習模型
  • 線性迴歸 (80 分鐘)
    • 線性迴歸 (10 分鐘)
    • 損失 (10 分鐘)
    • 互動練習：參數 (5 分鐘)
    • 梯度下降法 (10 分鐘)
    • 超參數 (10 分鐘)
    • 互動練習：梯度下降法 (5 分鐘)
    • 程式設計練習 (20 分鐘)
    • 測驗您的知識 (10 分鐘)
    • 後續主題
  • 邏輯迴歸 (35 分鐘)
    • 簡介 (5 分鐘)
    • 計算機率 (10 分鐘)
    • 損失函式和正則化 (10 分鐘)
    • 測驗您的知識 (10 分鐘)
    • 後續主題
  • 分類 (70 分鐘)
    • 簡介 (3 分鐘)
    • 門檻和混淆矩陣 (12 分鐘)
    • 準確度、召回率、精確度和相關指標 (15 分鐘)
    • ROC 和 AUC (10 分鐘)
    • 預測偏誤 (3 分鐘)
    • 多元分類 (2 分鐘)
    • 程式設計練習 (15 分鐘)
    • 測驗您的知識 (10 分鐘)
    • 後續主題
  • 資料
  • 使用數值資料 (85 分鐘)
    • 簡介 (3 分鐘)
    • 模型如何使用特徵向量攝入資料 (5 分鐘)
    • 首要步驟 (5 分鐘)
    • 程式設計練習 (10 分鐘)
    • 正規化 (20 分鐘)
    • 特徵分塊 (15 分鐘)
    • 拖曳 (5 分鐘)
    • 優質數字特徵的特性 (5 分鐘)
    • 多項式轉換 (5 分鐘)
    • 測驗您的知識 (10 分鐘)
    • 結論 (2 分鐘)
    • 後續主題
  • 使用類別型資料 (50 分鐘)
    • 簡介 (5 分鐘)
    • 詞彙和 one-hot 編碼 (10 分鐘)
    • 分類資料常見問題 (5 分鐘)
    • 交錯組合特徵 (5 分鐘)
    • 交錯組合特徵練習 (15 分鐘)
    • 測驗您的知識 (10 分鐘)
    • 後續主題