你在一家銀行任職,想協助公司做出更聰明的放貸決策。你希望根據申請資料(例如信用紀錄、教育程度、收入、資產)來預測借款人違約的機率。這個機率之後可用來決定貸款利率。你手上有過去 10 年、數十萬筆貸款的實例。
目前你只想在自己的筆電上做出一個概念驗證(POC),證明建立這個模型是有價值的。效能暫時不需要做到完美。
根據以上資訊,你會如何解決這個問題?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
本章將定義機器學習,並說明它與資料科學及人工智慧的關係。接著,我們會拆解常見的機器學習術語,最後介紹用於建置模型的機器學習工作流程。
既然你已經了解機器學習的基礎,我們就更深入一些。本章結束時,你會知道機器學習的不同類型,以及如何評估並改進你的模型。
本章將從神經網路開始,帶你拆解深度學習。接著,我們會更深入探討深度學習的兩個常見應用:電腦視覺與自然語言處理。最後,我們將以機器學習的限制與風險作為課程總結。
當前練習