【邁向人工智慧工程師-學習記錄 Week4】

 111/11/7-11/13 ：

• 心得：
• 本週意外找到「數學基礎與高階」的視頻教學，老師免費教學。
• 學習機器學習要先了解統計學，而非先了解機器學習，相反過來。
• 看不懂的地方先跳過(如正則化的L1、L2實際差異與公式)，先了解其原理，之後在回頭複習。
• 程式篇
• 二次函式程式呈現
• Django：安裝虛擬環境、git版本連接、安裝django。
• 演算法-資料結構：
• 鏈結串列：
• 結構(python class)、節點、資料與指標、讀取、新插入、刪除；
• 循環鏈結串列、雙向鏈結串列、時間複雜度(vs Array)
• 佇列
• 數學篇：
• 觀念：
• 最小平方法應用：了解其觀念及何謂線性迴歸、理解公式推導過程、使用numpy的polyfit()方法。
• 複習集合、排列組合、重複排列、組合
• 統計篇：
• 書本：
• 資料品質、母體、測量、抽樣；抽樣母體誤差、倖存者偏誤、自願者偏誤、沒觀者誤差
• 測量誤差、隨機誤差與偏誤。
• 線上：
• 統計學目的
• 了解抽樣、尺度
• ML篇：
• 閱讀導論篇章：AI認識、神經網路、圖像識別、視頻識別
• TensorFlow：
• Playground理解深度學習概念：調整超參數及觀察資料問題結果。
• MNIST手寫數字：介紹、基本操作、顯示單筆及多筆影像
• 聯成OpenCv-Day1複習：影像基本操作
• 使用numpy.array 存取影像
• 隨機產生二維亂數組，模擬灰色影像並修改像素值。
• 讀取灰階影像並修改像素值
• 隨機產生二維彩色影像，並修改像素值
• 擷取ROI，一個區域/範圍的圖
• 應用：局部馬賽克、移花接木圖片
• 取得影像屬性：shape、size、dtype
• 影像加法運算練習：陣列相加
• 影像加權方法練習：addWeighted()方法、兩圖片加權練習。
• 聯成OpenCv-Day2課程：
• 認識ML、練習手寫數字資料集、K最近鄰法