- ML/DL·Last edited by and86802 on Jul 5, 2022Linked with GitHubContributed by
Read more
讀書筆記
1. 機器學習透過預設的操作方法集尋找適合的資料表示法 机器学习算法在寻找这些变换时通常没有什么 创造性，而仅仅是遍历一组预先定义好的操作，这组操作叫作假设空间（hypothesis space）。 2. 深度學習透過資料變換，實現將輸入映射到目標這件事，而資料變換的方法是通過觀察例子學習到的 机器学习是将输入（比如图像）映射到目标（比如标签“猫”），这一过程是通过观察许多输入和目标的示例来完成的。你还知道，深度神经网络通过一系列简单的数据变换（层）来实现这种输入到目标的映射，而这些数据变换都是通过观察示例学习到的。 3. 損失函數用來計算預測和真實數值的距離，以衡量網路效果
Aug 3, 2022ML2022 HW
紀錄關鍵字&重點部分。後續須另外找資源和練習。 https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php https://github.com/virginiakm1988/ML2022-Spring https://www.kaggle.com/competitions/ml2022spring-hw1/overview https://pytorch.org/docs/stable/data.html#torch.utils.data.Dataset [toc] Week 1
Jul 25, 2022Model訓練Tips
Source: 李宏毅ML2022Course [toc] General Guide Model Bias Model Bias是因為model太過簡單，所包含的function set太少
Jul 25, 2022Speech Recognition
輸入的聲音訊號是一串向量 輸出的文字是一串token Token的形式例如Phoneme，發音能夠識別的最小單位，類似音標 Lexicon紀錄文字和phoneme間的轉換方式 Phoneme和聲音訊號之間的關聯比較明確 
HackMD