機器學習 機器學習作為實現AI的一種方式,也在近年來被無數科技大廠以及各所名校投入海量的資源進行研究。此文會紀錄簡單的機器學習筆記。 機器學習是基於統計學去預測未來發展的學問。與人類由因而果的思考模式相比,機器學習更像是倒果為因。儘管無法清楚地闡述因果關係,但這不妨礙機器學習在生活上有著極其多元的應用。機器學習主要分為以下幾種分類,再往下會有一些常見的應用,如圖。 graph TD; Machine_Learning[Machine Learning] Machine_Learning --> Supervised_Learning(Supervised Learning) Machine_Learning --> Unsupervised_Learning(Unsupervised Learning) Machine_Learning --> Reinforcement_Learning(Reinforcement Learning)
Jul 25, 2025####### Header7
Apr 19, 2025在談資料結構和演算法之前,我們要先對一個軟體的成分有所了解。每個軟體存在的意義都是將輸入的資料轉換成輸出的結構。其實所有程式都在做一件相同的是,如何讀取資料、操控資料,分類資料,而如何巧妙地運用不同的資料結構和演算法來解決一個問題,實現最低的運算時間和最少的運算資源,會是接下來的重點。舉生活上最常見的例子就是email。每個人每天都有成千上萬封email,我們要如何找尋對我們來說有用的信件呢?其中一個作法是透過時間來排序,將越新的信件置於越上面,這就是排列資料的一種方式。另外一個是把信添加到重要郵件,或使用Filter濾除不要的信件,這些都用到了資料結構的概念,也就是資料的操控和排序,最終讓使用者接收到,資料結構的本質就是一個資料的集合。
Apr 18, 2025or
By clicking below, you agree to our terms of service.
New to HackMD? Sign up