Machine Learning 總覽

 
<source：台大李宏毅老師>

Reading Guide (閱讀指引)：

機器學習界最強網紅就是台大李宏毅老師，你有想過寶可夢、世紀帝國、棋靈王等動漫遊戲素材，也可以生動地傳達機器學習的精神嗎？這就是李宏毅老師的地方。在他的教導中學習機器學習，非常過癮，彷彿中了追劇般的癮，欲罷不能。

因此，本系列文章將以李宏毅老師在機器學習簡介中所列的Learning Map為本，紀錄我在這機器學習旅程中的所見所聞。

而大綱的順序會以機器學習的 Working Flow 做編排，以利未來進行機器學習相關工作，可快速查找所需資料。

在開始之前，我想先回答一個問題：

為什麼需要機器學習呢？

過去人類需要透過分析大量的數據，手動制定規則，建立模型。而機器學習的出現，因為具有學習能力的特性，讓獲取知識更有效率，節省大量的時間，讓預測模型的效能逐步提高，特別是在這個巨量資料的時代。

Table of Contents (目錄)：

一、環境建置

(一)、Anaconda安裝不求人 : 超簡單的8個步驟，一次就成功 !!

(二)、TensorFlow2 (Windows) 環境建置 與 YOLOv4 起手式實作

(三)、Pytorch (Windows) 環境建置 與 YOLOv4 起手式實作

二、關於機器學習與機器學習的Working Flow

<source：Machine Learning Process And Scenarios By Akhil Mittal>

三、定義問題與蒐集資料

(一)、如何定義機器學習的問題？看看大師怎麼說

四、資料前處理

(一)、缺失值處理

(二)、分類數據處理

(三)、特徵縮放

(四)、特徵選取

五、模型選擇

(一)、監督式模型

1.線性回歸模型

2.邏輯斯回歸模型

3.支持向量機

• SVM的使用技巧
• 考驗你對 SVM (支持向量機) 了解多少呢？試試看這25道題吧！(上)
• 考驗你對 SVM (支持向量機) 了解多少呢？試試看這25道題吧！(下)

4.決策樹

5.隨機森林

6.KNN

(二)、非監督式模型

1.Kmeans

六、模型驗證、評估與超參數調整

1.驗證你的機器學習模型

七、應用篇

(一)、不均衡資料處理

1. SMOTE套件介紹

2. 使用SMOTE時的常見bug與解決方法

3.[實作筆記] 在Pytorch框架下以YOLOv4訓練自定義資料集

4.[實作筆記] 使用YOLOv7訓練自定義資料集

八、工具篇

累積功力，不可不會Github >> 4 個超簡單的步驟，輕鬆學會 Github

---

參考資料：

• Machine Learning (Hung-yi Lee, NTU)
• Best Data Science Books (& Analytics) To Read In 2020