這次的小聚找來了台灣人工智慧學校AI工程師林愛哲,分享推薦系統的模型實作,試著關注在CF範疇,特別是以SVD方法為主,進行不同變化的模型實作,一方面幫助參加者了解不同模型版本的成效,也讓聽眾能了解不同方法的內涵。
另外,AIA 專案處顧問陳在民則是以「Deep Learning Overview – 深度學習總複習」為題,針對「深度學習」的技術,將複雜的概念以淺顯易懂的方式說明。會後有參與者問到,雖然參數的調整能讓模型的效能提升,但一味的調整參數似乎不是長遠之計,又或者怎麼從統計下手,尋找可用的法子呢?
對此,講者認為,多數人在追求模型改進時,常直接將重心放在模型訓練參數的調整,但這應該是最後才做的動作,因為參數的調整,對於最終模型表現的提升有限,更重要的部分應該是資料前處理的部分。他建議提問者,應該先了解資料再針對它應用的問題做出正確詮釋。通常並會需要該領域的專家提供意見,而不是單純的統計方法能夠解決,因此應多了解問題需求,以及該領域的知識會比較有幫助。
我們提供了兩位講者的投影片,有興趣的朋友,可以下拉至文末閱覽唷
我們秉持著為台灣培育具正確認知及高深技術的領袖人才的熱情,也秉持著人工智慧民主化的理念,透過校友們的專業能力與熱忱,投入台灣的產官學研各界,無論是政府機關、營利與非營利組織、或大、中、小型企業,將人工智慧技術導入各個場域及應用,讓產業更具競爭力,讓政府更具效率,讓科學更有突破,讓社會更美好。
如果您是產業中的中高階主管或經理人,透過經理人班的課程,可以讓您在週末有充分的充電機會,對人工智慧有清晰的技術及應用藍圖,並能以所學,在社會的各個角落協助台灣在人工智慧應用的全面升級,幫助產業提升競爭力,讓我們擁有更美好的台灣。
如果您是產業中的技術人員,課程紮實的技術領袖培訓班將安排中央研究院等各學研單位及產業界在理論或實務上最富經驗的講師,從核心的機率、統計到機器學習、深度學習等最新的人工智慧皆完整涵蓋,提供紮實的理論課程;同時,以實作經典及真實案例,學習資料分析與機器學習的實作,以鍵盤代紙筆,累積實戰的基礎技術能力。在後期與本領域企業合作夥伴,共同訂定真實世界裡的人工智慧專題,讓學員在指導老師的帶領及與企業互動的過程中,培養問題定義、資料處理、模型訓練、問題解決及場域導入等成為技術領袖所需的關鍵能力。
歡迎訂閱我們的電子報,隨時獲得AI相關的新知,將有助於自己跟上AI時代的腳步。同時我們也提供深度、專業的AI培訓課程,開課資訊請參見【課程列表】。對於相關技術有興趣的朋友,也別錯過即將開課的深度學習實作班。
講題:簡易推薦系統實作(簡報瀏覽)
講題:「Deep Learning Overview – 深度學習總複習」(簡報瀏覽)
Copyright © Taiwan Artificial Intelligence Academy Foundation