Search
🔥udemy 黑色星期五全站特價中
課程說明
在本課程中，你將了解什麼是超參數( hyperparameters )，什麼是遺傳演算法( Genetic Algorithm )，以及什麼是超參數最佳化( hyperparameter optimization )。
在本課程中，你將應用遺傳演算法最佳化支持向量機( Support Vector Machines )和多層感知器神經網路( Multilayer Perceptron Neural Networks )的性能。超參數最佳化將在兩個資料集上完成，一個用於預測建築物冷熱負荷的迴歸資料集，以及一個關於將電子郵件分類為垃圾郵件和非垃圾郵件的分類資料集。 SVM 和 MLP 將被應用於資料集而不進行最佳化，並將其結果與最佳化結果進行比較。
到本課程結束時，你將學到如何使用 Python 寫遺傳演算法程式，以及如何最佳化機器學習演算法以獲得最佳性能。
https://softnshare.com/machine-learning-optimization-using-genetic-algorithm/
本課程的目的是提供學生設計和開發自動駕駛車輛的主要知識。 課程提供了各種自駕駛車輛的實際經驗，例如機器學習和電腦視覺。 這些概念包括車道偵測、交通標誌分類、車輛 / 物件探測、人工智慧和深度學習等概念。 本課程針對希望獲得對自動駕駛車輛控制的基本理解的學生設計。建議修這門課的學生具備基本的程式設計知識。 至於其他主題，在起始的講座會廣泛涉及; 因此，沒有必要的先決知識，只要具備基本程式設計知識的學生都有辦法跟上。 參加這個自動駕駛汽車課程的學生將掌握無人駕駛汽車技術，這些技術將重塑交通運輸的未來。
我們將涵蓋的工具和演算法包括:
✅OpenCV
✅深度學習和人工神經網路
✅卷積( Convolutional )神經網路
✅模板匹配( Template matching )
✅HOG 的特徵提取
✅SIFT 、 SURF、FAST 和 ORB
✅Tensorflow 和 Keras
✅線性迴歸和邏輯迴歸
✅決策樹( Decision Trees )
✅支援向量機( Support Vector Machines，SVM )
✅Naive Bayes
https://softnshare.com/autonomous-cars-deep-learning-and-computer-vision-in-python/
熟悉機器學習 (machine learning) 領域的同好，一定知道在眾多 supervised learning models 中廣為人知的 SVM (support vector machine)。要使用 SVM 來做分類，不論你是使用 Java, C++, Python, R, Matlab, Perl, 或甚至是 OCaml, 你很可能正在使用 LIBSVM 這套 SVM 的實作程式庫。
我們非常榮幸邀請到 LIBSVM 的作者台大資工林智仁教授來擔任年會的 keynote speaker，林教授將分享他開發機器學習演算法以及應用機器學習在現實生活中涉及大數據的許多有趣但困難的問題。
大師現身說法的機會難得一見，請記得注意年會的開放報名時間，以免因名額有限而向隅。:)
http://twconf.data-sci.org/speaker/#cjlin
