本課程全部關於 A / B 測試。
無所不在的A / B測試。行銷,零售,新聞來源,線上廣告等。
A / B測試是關於比較的事情。
如果你是資料科學家,而且你想告訴公司的其他人,“標誌A比標識B好”,那麼你不能只是說沒有使用數字和統計來證明它。
https://softnshare.com/bayesian-machine-learning-in-python-ab-testing/
同時也有3部Youtube影片,追蹤數超過2萬的網紅Untyped 對啊我是工程師,也在其Youtube影片中提到,聖誕節🎄🤶🏽🎅🏿 來點輕鬆的!😜 今天是平安夜~又到了一年一度我最喜歡的節日!今年因為疫情,很多人聖誕節不能團聚,也不能到處出去走走,只好宅在家。希望Blob Opera 可以帶給你多一點聖誕節的感覺!讓可愛療癒的像茄子的東西可以給你一點娛樂吧~✨💖 自己玩玩 Blob Opera 👉🏻 http...
「machine learning 課程」的推薦目錄:
- 關於machine learning 課程 在 軟體開發學習資訊分享 Facebook 的最讚貼文
- 關於machine learning 課程 在 軟體開發學習資訊分享 Facebook 的最佳貼文
- 關於machine learning 課程 在 軟體開發學習資訊分享 Facebook 的精選貼文
- 關於machine learning 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
- 關於machine learning 課程 在 李黎哈哈LilyHaha Youtube 的精選貼文
- 關於machine learning 課程 在 與芬尼學英語 Finnie's Language Arts Youtube 的最佳貼文
- 關於machine learning 課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的評價
- 關於machine learning 課程 在 Hung-yi Lee - YouTube 的評價
- 關於machine learning 課程 在 【 Google 免費機器學習速成課程上線! 】 Google AI... 的評價
- 關於machine learning 課程 在 leemengtaiwan/deep-learning-resources: 由淺入深的深度學習 ... 的評價
- 關於machine learning 課程 在 機器學習基石(Machine Learning Foundation)第一講筆記 的評價
machine learning 課程 在 軟體開發學習資訊分享 Facebook 的最佳貼文
NT 470 特價中
對於已有 Python 基礎,熟悉機器學習演算法的人,本課程將帶你從初階到高階,了解如何選擇特徵並建構更簡單、更快速、更可靠的機器學習模型。
https://softnshare.com/feature-selection-for-machine-learning/
machine learning 課程 在 軟體開發學習資訊分享 Facebook 的精選貼文
學習如何使用 Python 寫基因演算法( Genetic Algorithm )的程式,以及如何最佳化機器學習演算法的性能
https://softnshare.com/machine-learning-optimization-using-genetic-algorithm/
machine learning 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
聖誕節🎄🤶🏽🎅🏿 來點輕鬆的!😜 今天是平安夜~又到了一年一度我最喜歡的節日!今年因為疫情,很多人聖誕節不能團聚,也不能到處出去走走,只好宅在家。希望Blob Opera 可以帶給你多一點聖誕節的感覺!讓可愛療癒的像茄子的東西可以給你一點娛樂吧~✨💖
自己玩玩 Blob Opera 👉🏻 https://g.co/arts/H5sdzrJcbsKDA2jq9
第一台會唱歌的電腦 IBM 7094 👉🏻 https://www.historyofinformation.com/detail.php?entryid=4445
這期的影片不適合放在podcast就不放囉~
【㊫ 電腦科學/軟體工程 學習資源 📖】
用Scala學習函式程式設計
https://bit.ly/2IF0Thv
Scala 函数式程式設計原理
https://bit.ly/3kBQXTb
平行程式設計
https://bit.ly/3pCeaZf
Android 應用程式開發 專項課程
https://bit.ly/3lGCUwW
普林斯頓大學 電腦科學 演算法 基礎理論
https://bit.ly/3nxomAh
Go 語言學起來
https://bit.ly/35AWhlv
Parallel, Concurrent, and Distributed Programming in Java 專項課程
https://bit.ly/2IGnlH4
Java 軟體工程基礎課程
https://bit.ly/3fa4gJi
全端開發 跨平台手機app 開發 完整課程
https://bit.ly/2UCGWum
#還是比較喜歡交換禮物 #謝謝2020有你們 #聖誕快樂
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷!
-
每隔週星期四晚上9點更新,請記得開啟YouTube🔔通知!
-
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
【Disclaimer 聲明】
Some links are affiliated.
上面有些連結是回饋連結,如果你透過這些連結購買商品,我可以得到一些小獎勵,但不會影響到你購買的價格,甚至會是更低的價格!謝謝你的支持💕
machine learning 課程 在 李黎哈哈LilyHaha Youtube 的精選貼文
#李黎哈哈訪談系列
和Kelly能夠認識,是因為經營IG的關係,對了!期待一下,我們12月在IG上會有新活動喔!透過和他的訪談,讓我發現他真的是一位願意為自己的夢想去做努力而且實踐的人。決定重新念學士,並不代表人生重來,只是更清楚自己要往哪個方向前進罷了。如果好奇他申請電腦語言學的原因,或是想知道他怎麼找到實習,與在Max Planck的Hiwi,就來聽聽我們聊聊吧!
▷▶︎ 幫助你更快的找到問題
-------------------------
00:00 Kelly介紹
00:32 李黎爆雷
01:05 為什麼想到德國念書?
02:01 跨領域申請有遇到什麼困難?經濟轉電腦語言學
02:34 當初為什麼想申請computational linguistics這個科系?
03:38 有因為選擇重讀一個學士而感到困難嗎?
04:59 除了申請杜賓根大學,還有申請哪些學校嗎?
05:47 電腦語言學主要是在做什麼?
07:24 在杜賓根大學這個系所,最有趣的課是什麼?
09:15 沒有任何程式背景,會在讀的時候很辛苦嗎?
11:09 系上的課程規劃如何?
12:25 系上外國人多嗎?畢竟他是國際學程?
13:40 念德國大學跟台灣的差別是什麼?
15:21 machine learning的實習是怎麼找到的?
16:54 怎麼找到Max Planck的工作?與過去的學習經驗相關嗎?
18:59 在Max Planck的工作感覺是怎樣?
19:48 為什麼想要經營自己的部落格跟IG?
21:42 想給即將來德國的人什麼建議嗎?
▷▶︎ More LILYHAHA
----------------------
▪︎ Instagram: https://www.instagram.com/lily.hahahahana/
▪︎ Email: [email protected]
(更多留學諮詢、合作,請來信)
▷▶︎ About LILYHAHA
---------------------
留學不在只是夢想,過去在準備德國留學的路上,資源總是相對英美少的很多,因此希望透過YouTube這個平台,來分享更多在歐洲的留學&工作經驗給大家,想到德國工作?想到德國念碩士?但卻沒有什麼方向,都可以跟我聊聊喔!
▷▶︎ 留學德國申請祕訣-免費資源
----------------------------------------
▪︎ 底下留言告訴我你的eamil,即可領取申請祕訣喔!
▪︎ 私訊預約免費留學諮詢30分鐘
▷▶︎ 這些影片會讓你對德國有更多了解
-------------------------------------
⇢德國留學&生活
▪︎ 德國亞洲超市:https://youtu.be/B2xAXR5in8E
▪︎ 德國一天需要多少德文:https://youtu.be/qsmiffED25Y
▪︎ 德國外食花費:https://youtu.be/DDH8coykU3A
▪︎ 德國大學排名:https://youtu.be/9XWqweyKowo
⇢德國留學訪談
▪︎ 高中申請學士(慕尼黑大學)https://youtu.be/rL3eG-X3NfQ
▪︎ 德國碩士獎學金(慕尼黑工大)https://youtu.be/HvS2e6WjZzo
▪︎ 瑞士博士申請(蘇黎世聯邦理工)https://youtu.be/nT0HYE1Ctn0
▪︎ 瑞士碩士申請(洛桑聯邦理工)https://youtu.be/ATmVnNDhHTE
▪︎ 德國科大碩士(Hochschule Esslingen) https://youtu.be/gdIAPx4gmbE
⇢德國工作&實習
▪︎ 德國互惠生:https://youtu.be/x2Zysm7-0yk
▪︎ 德國畢業賺多少:https://youtu.be/FzBh5MRSuO4
▪︎ 德國實習&打工經驗:https://youtu.be/81CnfYIXJMA
▪︎ 德國軟體工程師:https://youtu.be/mY1K17nUzGU
▪︎ 瑞士Google工程師:https://youtu.be/7ly1ZCUldss
▷▶︎ key words 關鍵字
----------------------
李黎哈哈 李黎哈哈訪談系列 德國留學 歐洲留學 德國工作 德國實習 德國生活 歐洲生活 德國簽證 留學申請 留學心得
🎥在使用的影片拍攝剪輯器材
相機 sony zv1
https://amzn.to/2C8Iab1
攝影 i Phone 7
https://amzn.to/3hc1sMw
腳架 JOBE
https://amzn.to/3dPME3X
麥克風 RODE
https://amzn.to/3f8ZL0t
剪輯 FCPX
https://amzn.to/3dQr6V8
字幕 Arctime
------------------------------------------------------------------------------------
machine learning 課程 在 與芬尼學英語 Finnie's Language Arts Youtube 的最佳貼文
例句:
1. This machine is old but not obsolete.
2. It is said that very soon artificial intelligence will render human labour obsolete.
▍成人英語再起步
簡介 video ► https://youtu.be/3-Sx5JwjokU
空缺現只剩星期四讀音篇 (8月22日開班)
開班日期、詳情 及 報名表格 ► http://bit.ly/成人英語再起步
▍中、小學常規班
簡介 video ► https://youtu.be/Ug2zWrbWpeI
詳情 及 預約試堂表格 ► https://forms.gle/3mABQFBrFpqawRTQ8
==============
訂閱與芬尼學英語 ► http://bit.ly/flayt-sub
喜歡我們的短片嗎?到 Patreon 支持我們! ► http://bit.ly/fla-patreon
歡迎提供字幕 :)
▍播放清單:
今天只學一個字 ► http://bit.ly/2DRQPgE
名人英語 ► http://bit.ly/2EUc8QO
語文知識 ► http://bit.ly/2GzuW8b
Word Pairs 怎樣分 ► http://bit.ly/2hS1MCF
時事英語 ► http://bit.ly/2RqrMok
品牌名學英語 ► http://bit.ly/2qd3mUq
朗誦節特訓 ► http://bit.ly/2PBqZno
▍更多學習資源:
● 加入 Finnie's Facebook 群組:http://bit.ly/flafbgp
● 訂閱電子報:http://bit.ly/fla-nl
● 下載免費學習資源:http://bit.ly/36VhrYS
▍Follow 芬尼:
● Blog: http://bit.ly/fla-blog
● Facebook: http://bit.ly/fla-facebook
● Instagram: http://bit.ly/fla-instagram
● Pinterest: http://bit.ly/fla-pinterest
Free stuff!!! :)
● Use my iHerb Discount Code: ASC7218
● Sign up at AirBnb and get HKD$290 in travel credit: https://www.airbnb.com/c/tiffanys213
● Get a FREE first Uber ride (up to HK$50): https://www.uber.com/invite/tiffanys2213ue
● Get TWO months of free SkillShare premium:
https://skl.sh/2IIHhr8
● Get HKD$60 off your next order at Foodpanda: https://fdpnda.app.link/tB3PF2LhZV
● Get HKD$100 of credit to spend across your next 4 orders at Deliveroo: https://roo.it/tiffanyccs
● Get HKD$100 off your order at NOSH:
TIFH437
machine learning 課程 在 Hung-yi Lee - YouTube 的推薦與評價
Next Step of Machine Learning (Hung-yi Lee, NTU, 2019) ... 課程網頁: http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html (所有的投影片皆可在課程網頁上找到). ... <看更多>
machine learning 課程 在 【 Google 免費機器學習速成課程上線! 】 Google AI... 的推薦與評價
其中Google首推新上線的機器學習速成課程(Machine Learning Crash Course, MLCC),也是Google內部員工訓練用的課程,已有1.8萬名Google員工在上這門課。 ... <看更多>
machine learning 課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的推薦與評價
感謝原 PO 的分享,我也來分享一下我自己的學習清單
==== 前言 ====
去年因緣際會知道了有關大數據、資料科學、機器學習這些領域
本來考慮要去參加資策會的課程,但自己要在家帶小孩
如果參加課程,小孩要找保母,整個機會成本太高,因此決定自學先
網路課程現在幾乎是隨手可得,想要自學的人根本不怕沒有教材可以學習,但是五花八門
的課程中,怎麼去選擇就是一個很重要的問題了。
我自己是一個門外漢,因此在選擇課程以及安排上面花了蠻多時間,以下大多是我看過或
是大概瀏覽過覺得不錯的課程,就推薦給想要自學又不知道怎麼開始的朋友們吧~
==== 概論 ====
由於自己雖為國立大學數學系畢業,但畢業非常多年,加上自己也非科班出身,因此想要
先了解整個領域的範疇、概要,之後再開始針對各個科目分進合擊。
PS : 初期我自己都以大數據為出發點,所以上的課都是大數據概論取向,但再其中其實
對於資料科學、AI、機器學習都會講到。
1. [ Coursera ] 大數據分析:商業應用與策略管理 (Big Data Analytics: Business
Applications and Strategic Decisions)
這門課是台大與玉山銀行合作開的線上課程,與其說是課程,我認為比較偏向講座,在這
過程中可以對大數據、機器學習等在商業上的應用。這堂課可當作補充資料來上,會有一
些實務應用上的概念,當然,如果沒時間也不一定非得要上。
2. [ Coursera ] Big Data Specialization
University of California, San Diego 開設的這們課程,我個人還蠻推薦的,尤其是對
跨領域、無先備知識的學習者來說,可以在這一系列課程中很快速地對整個領域有蠻深入
的理解。
3. [ Book ] 精通 Python
4. [ Book ] Python 資料科學學習手冊
這兩本都是 O’REILLY 的經典書籍,我必須坦白說我沒有完整的看完,精通 Python 我
針對資料科學的部分有完整看過,然後做習題,但裡面很多章節稍微跟資料課學無關的我
幾乎都暫先跳過,而資料科學學習手冊我是都拿來當工具書翻閱。( 所以我 coding 能力
還是一樣很差XDDDDD )
==== Python ====
第二階段我開始以 Python 為主進行學習,因為我自己 coding 能力幾乎是 0,這個部分
必然要作為初期學習的重點項目。另外,雖然說這是第二階段,但其實這部分跟上述的概
論課程我幾乎都是同時期一起上課。( 不過我坦承到現在我自己的 coding能力還是很差XDD )
1. [ Coursera ] Python for Everybody Specialization
這門是 University of Michigan 所開設的 Python 專項課程,完全從 0 基礎開始上課
,上完以後可以可以進行一些初階的程式作業我想是沒有問題的,這堂課並沒有太多針對
資料科學的部分,主要是以各領域都會用到的基礎工具為主。Charles Russell 的上課方
式我超喜歡,喜歡友去上課方式的人我想也會跟我一樣喜歡這門課。
2. [ Coursera ] Applied Data Science with Python Specialization
一樣是 University of Michigan 開設的,這專項課程我作為上門課程的接續課程。前面
幾堂會針對 python 在資料科學中會用到的模組、方法進行概略式的瀏覽,後面則會針對
視覺化、機器學習等領域做較為深入的介紹。整個課程較上一門來說困難度增加不少,因
為我自己有做手寫筆記的習慣,這門課的許多東西在我現在 coding 遇到問題時都還能翻
閱筆記作為工具書使用,我覺得受益不少。
3. [ Coursera ] Fundamentals of computing
Rice University 所開設的課程,之前應該也是在論壇看見推薦的,但課程難度較高,目
前我也是暫時先擱置還未進行這課程的學習。
===== Machine Learning =====
1. [ YouTube ] 機器學習基石 & 技法
(Machine Learning Foundations and Techniques)
台大林軒田教授所開設的機器學習課程,在 Coursera 與 YouTube 軍可以免費觀看課程
內容。這門課主要以基礎的機器學習演算法為主,但雖然說世紀處演算法,但內容包含的
數學比重較重,啃下來的確會有點困難,但整個課程的安排的確非常流暢,老師的講述也
算是蠻清楚。而且教授對於課程教學十分用心,如果在 YouTube 或是 Coursera 上面提
問,教授 (或助教) 都會盡可能地回覆。( 即使課程已經是兩三年前的課程了,現在也都
會看到教授的回覆,非常用心。 )
2. [ YouTube ] Machine Learning — 李宏毅
台大李宏毅所開設的機器學習課程,一直以來都是台灣及中國學習者極力推薦的中文課程
之一。課程內容與時俱進,每一年都會將最新的機器學習、深度學習的演算法、模型加入
到課程內,讓學習者能夠跟上整個領域的發展。數學的比重比林軒田教授的課程低,而且
多了許多有趣的範例及講述,上課起來輕鬆不少。然而,影片內容我個人覺得安排較為紊
亂,可能是每一年的課程進度剪接而成,在某一些地方的銜接度較差,這是上課時稍微讓
人困惑的地方。不過瑕不掩瑜,這門課程我認為還是非常值得花時間上的。
[ 補充 ] 最近中國一些人將李宏毅的課程整理成一個 github 專案,完全複刻課程內容
,包含了課程中的所有 demo 以及課程作業內容,非常值得大家在上課的同時做參考使用
。
[ 補充 ] 李宏毅另外有一門課程 " Machine Learning and having it deep and
structured ",會更深入講解機器學習的演算法跟架構,這也是後續上完 Machine
Learning 後可以深入補充的課程。
3. [ Coursera ] Machine Learning — Andrew Ng
由 Stanford University 的吳恩達教授所開設的課程,這已經是全世界公認的經典了,
不過已經花了大半年上完前面兩門課程的我,可能要稍作休息,待日後有機會再來進行這
門課程的學習。
4. [ YouTube ] Large-Scale Machine Learning
清大吳尚鴻所開設的課程 (https://www.cs.nthu.edu.tw/~shwu/courses/ml/),忘了在哪
看見推薦的,我有上去大概看了一下,就學習論的部分我覺得講解的蠻清楚,就也是有空
可以再回頭來看看。
===== Mathematics =====
整個 Machine Learning 所涵蓋的數學領域其實是很廣的,有一些甚至不是數學系四年會
碰觸到的部分,而且某些部分甚至都是數學系、所一整學年的課程,我認為不用太糾結每
一個數學細節,找到一個可以說服自己的方式就好。( 當然,如果你真的想走演算法這條
路,要求就要再提高ㄧ些 )。如果有時間我會建議可以把機率統計以及線性代數的部分上
過一次(我大學機率統計實在學得慘不忍睹),我認為這兩個領域如果可以上手,就會輕鬆
許多。
1. [ 清大開放式課程 ] 機率論
2. [ 清大開放式課程 ] 統計學
3. [ 清大開放式課程 ] 數理統計
這三們都是清大鄭少為老師所開的課,基本上他的機統普遍受到許多人的推薦,我自己有
看過前面幾堂的機率論,我認為條理清楚,講義也很詳細,這是我真的很想找時間上的課
程。
4. 線性代數
這個部份我目前暫時沒有重新上課的打算,大學教授上的非常好,我的筆記也都還留著,
就可以來回對照著參考,如果有推薦的課程也可以讓我知道,一起推薦給所有人參考看看
。
===== 補充資料 =====
這裡推薦幾個我認為很有幫助的學習途徑,有些是課程,有些並不算是。但我認為都可以
在上面這些基礎課程以外作為增強實力的補充教材。(備註 : 這裡我選出來的都是比較廣
泛性的平台,但 Medium 或是ㄧ些個人部落格也有很多非常棒的補充資料可以看,但這樣
的資料多且雜,我就暫時沒收在下列推薦名單中。)
1. AI 研習社 ( https://ai.yanxishe.com/ )
不得不說,中國在這領域的發展真的比台灣快而且豐富,當我在學習過程中找尋中文資料
時,九成都是從中國的論壇或是部落格中找到,台灣在這方面的分享上面的確比較少。
AI 研習社我會建議大家可以去他的線上課程看,裡面有幾個大師級的課程 ( 重點是有簡
中字幕XD ),例如 Hinton 的課程我就會想要找時間來看一下。裡面還有一些資料、論文
整理的部分,大家也是可以上去晃晃看。
PS:它有一門「機器學習必修之數學基礎」系列課程其實我還蠻有興趣的,但是學費不便
宜就…
2. CSDN博客 ( https://blog.csdn.net/ )
不管閱讀論文還是課程上面有疑問,絕對可以針對同一件事情再上面找到非常多樣化的解
釋。上面我曾經說過,很多時候不要拘泥,找到一個能說服自己的方式就好,通常我都會
在許多不同的解釋當中選擇一個我比較理解且能接受的方式作為我對這件事情的理解。
3. 知乎
這有點像是中國版的奇摩知識+ (?),針對一個問題也可以看到底下有許多不同角度的切
入,我覺得這樣的學習其實蠻不錯的。當我在找資料的時候,只要是CSDN跟知乎我都會點
進去看一下,許多時候都會有不錯的收穫。
4. reddit/MachineLearing ( https://www.reddit.com/r/MachineLearning/ )
reddit 的 Machine Learning 版裡面有許多的神人,還潛伏了許多論文的作者在裡面,
時不時會有一些很新的論文發表、成果發表還有許多有趣的討論在裡面,我覺得可以收藏
起來看。
5. 微博公眾號
好,我知道這部分爭議很大,如果真的很介意的可以跳過這一 part。
我完全沒有在用微博,但為了ㄧ些公眾號的訂閱我才開始使用。許多公眾號會把很新的
AI 新知、或是一些知識整理放出來,雖然品質參差不齊,但也不得不說有時候真的能撿
到一些不錯的好文章。另外,覺得閱讀reddit 全英文資料很吃力的,有時候大概在
reddit 上面發表一兩天之後公眾號就有簡體中文的說明出來,我覺得有時候偷吃步其實
也是蠻可以的啦XDDDDD。還有一個公眾號會每天發送各種領域最新的論文內容出來,如果
閱讀論文速度很快的,可以從這樣的公眾號中拿到很多最新的論文資訊。
=======END=======
以上是我自己的一些學習資訊,也提供給大家參考看看
當然還有很多非科班出身必須要修的 例如資料結構跟演算法等等
我目前還沒有什麼概念,如果有人有推薦課程也希望不吝分享讓我知道一下
--
聽眾散去了,希爾伯特卻仍留在講台上,
他等著看自己是否已經運用有利的例子,優越的論證,
以及具誘惑力的23個問題,
塑造他期盼見到的未來.....
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.45.98.201 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1565639939.A.F2F.html
... <看更多>