機器學習已融入我們每天使用的各種技術中。舉例來說,你是否注意到各平台都有個人化推薦,不論是 YouTube 上的有趣影片,或是 Amazon 上你喜歡的作者的新書?這些就是「推薦系統」。它們通常會用使用者的瀏覽紀錄來訓練機器學習模型。
想像一下你最愛的線上服飾店的推薦系統。他們掌握了你看過哪些服飾,以及最後買了哪些。這些資訊已足夠建立一個能輸出個人化服飾推薦的模型。以下列出了建立該模型所需的任務,但順序是錯的。你能把它們排成正確的順序嗎?
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。
當前練習
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。