【機器學習 Machine Learning】3小時初學者教學 | 人工智慧 AI | Python | 機器學習入門 | 機器學習教學

AI
人工智慧
機器學習
Machine Learning
ML
python
⭐️ 目錄 ⭐️
⌨️ (0:00:00)​ 哈囉大家好，我是小白
章節1 : 介紹
⌨️ (0:00:34)​ AI vs ML vs DL
⌨️ (0:03:38​) 機器如何學習?
⌨️ (0:11:25​) 環境建置(colab)
章節2 : 簡單線性回歸 Simple Linear Regression
⌨️ (0:16:00) 介紹
⌨️ (0:18:44​) y = w*x + b
⌨️ (0:34:04​) 最適合資料的直線?
⌨️ (0:39:49​) 成本函數 Cost Function
⌨️ (0:58:34​) 怎麼有效率的找出w b
⌨️ (1:11:19​) 梯度下降 Gradient Descent (part1)
⌨️ (1:30:00​) 梯度下降 Gradient Descent (part2)
⌨️ (1:41:24​) 總結
章節3 : 多元線性回歸 Multiple Linear Regression
⌨️ (1:43:58​) 介紹
⌨️ (1:45:46​) 資料預處理 - Label Encoding
⌨️ (1:49:23​) 資料預處理 - One-Hot Encoding
⌨️ (1:58:18) 資料預處理 - Train & Test
⌨️ (2:06:11​) w1x1 + w2x2... + b
⌨️ (2:09:37) 設定 Cost Function
⌨️ (2:13:16​) 設定 Optimizer - Gradient Descent
⌨️ (2:37:53​) 特徵縮放 Feature Scaling
⌨️ (2:33:13​) 套用到真實情況
章節4 : 邏輯回歸 Logistic Regression
⌨️ (2:46:33​) 介紹
⌨️ (2:51:37​) Sigmoid Function
✏️完整課程---全面了解機器學習
grandmacan.com/courses/WQgj9S...
🔗課程檔案
簡單線性回歸 : drive.google.com/drive/folder...
多元線性回歸 : drive.google.com/drive/folder...
邏輯回歸:
drive.google.com/drive/folder...
#機器學習 #深度學習 #人工智慧 #ML #python
人工智慧 | 人工智能 | 深度學習 | deep learning | pytorch | AI | Artificial intelligence | neural network | 神經網路 | 類神經網路 | chatgpt | cnn 深度學習 | 機器學習 模型 | 深度學習 模型 | 機器學習 應用 | 深度學習 應用 | scikit learn | tensorflow | 機器學習入門 | 機器學習教學 | 深度學習入門 | 深度學習教學

[@GrandmaCan]

✏完整課程-全面了解機器學習 : grandmacan.com/courses/WQgj9SntAQ5Vwrk7QpSB 即日起至2024/05/29日前購買，即享有47折優惠! ✏最新課程-python、AI組合包 : grandmacan.com/courses/yCC2Q8WFsc9Av52myZBh 即日起至2024/05/29日前購買，即享36折優惠~

[@user-px7rj7sp5j]

終於出了!!!! 佛心價格，已購買~

[@user-qr3kj3bd4n]

小白老師真的可以考慮去當大學教授了 這內容太幫棒了，購買起來!

[@user-uv3nt3xn9n]

太神啦，這麼棒的機器學習課程一定要支持起來

[@dl-1265]

这是我一直想学的课程 直接购买了!!

[@user-oi5qd9ol6s]

超超超超超超超棒的課程!!! 直接買了~

[@chisa-rin]

這部3小時的影片直接省了一個學期，甚至一個學年的時間，講解的清晰度跟細節還遠勝一般大學教授，欣賞小白作影片的態度，請繼續為大家帶來更多優秀的教學!

[@user-lc5tc1tc9v]

甚至還有付費的進階教學，還不買爆

[@peiling-yg7hf]

從0基礎開始學習python 到現在學機器學習，都是看小白老師的課程，雖然素未謀面 但已是我人生中重要的貴人，謝謝!

[@lovesin3058]

看半小時左右，直接買課程了，要花時間查一些理論的東西，出了這個教學可以省掉非常多查資料和驗證時間，價格也非常佛心，讚！

[@user-ph6rk1us5z]

說實話, 我在念大學的課程當中, 有修讀過machine learning. 然而他們給你的很多的理論跟數學, 但實際上課堂能用的並不多. 到最後再給你一個實作, 那些實作也是自己從youtube自學回來. 那些大學助教都不教你, 上他們課簡直就是浪費時間. 然而在這課程我看了一個多小時就直接買. 因為他不會他太多理論, 而且他有教你如何去自定義 Dataset 我大學都是給你一份資料表, 然後讓你能用就好. 到出來社會做事才發現我什麼都沒學過😂

[@user-em1gv3ln9q]

原本以為是科普的影片，想看看讓自己跟上時代一下 點進來看到嚇一跳 解說真的很詳細易懂，超過20年沒碰數學，當年也只粗淺用過c語言寫學校作業。 但，我居然能看懂這三小時的教學，甚至..第一次理解這個腦袋裡只剩下名詞的“線性迴歸”是什麼。 您的解說非常詳細而且易於理解 讓我恨不得把大學時的課本都找回來（當然早丟了！）好好看看。 要是..我學生時代能有您這樣的老師就好了 當年，真是學得一頭霧水，深感枯燥，完全不知道自己在學什麼！

[@maskman4821]

我肯定這部是最好的 "機器學習" 教學影片, 勝過許多專家學者, 感謝小白老師佛心教學, 讚啦 🤩🤩🙏🙏🤗🤗👍👍

[@Baze-uu7uw]

曾經以為機器學習是一門非常高深的學問，看到這影片後我發現我錯了！ 小白竟然可以把它講得這麼清楚易懂，真的是我阿嬤都會!

[@Rocky-ex1lg]

目前為止看到最棒的機器學習網課，內容好理解、口條清楚、一步步手把手教學，真的太鬼了阿嬤!

[@user-lc5tc1tc9v]

我阿嬤也會欸

[@jiananzhi]

您的解說清楚且到位，我學習到很多。😊😊

[@DrYouShanChen]

已購買付費課程，相信必能物超所值，小白英雄出少年!!! 繼續加油!!!

[@albertdell]

小白是很不錯的年輕人，大家多多支持！

[@GrandmaCan]

[@tonyzie]

強烈推薦的一門課程，生動的講解，很適合初學者!

[@user-fz1wg7go3b]

已購賣python付費課程支持! 小白終於想起KZbin的密碼了XDD 期待後續更多課程，聽得最懂的網路課程 希望老師可以多出一些課程讓有興趣的人可以付費學習 謝謝🙏

[@raychen9332]

學校電腦老師可以先去旁邊玩沙了，不要整天教scratch，我比較想學這個😂

[@user-ql2wn3eg9q]

小白真的好強......講得好清楚~好感謝這個影片!

[@user-qp9bp1xp8s]

非常實用的課程，3小時應該可以慢慢看到入睡。🎉

[@GrandmaCan]

[@henryfu9777]

終於有新片了 已買課程支持🎉🎉🎉

[@leonlee5779]

感謝分享，真的是超由淺入深的，省了超多時間

[@zhan-yechiu7042]

原本以為小白不更新了，超級感動！

[@user-fe1uq2zg6o]

喬大每日分析真是棒

[@user-dx2xc6gs7l]

終於出了,太感動了QQ

[@bibo987945]

感謝小白老師.很精彩的教學

[@yuhi-0o0]

太神啦!!! 是我看過最棒的機器學習教學

[@GrandmaCan]

[@user-ht9en5hr7g]

轉帳成功了謝謝老師教學，老師教學的很細心謝謝

[@strolltimes]

已購買，對我這種非資工專業的人來說，這樣的講解真的很簡明（想更深入可以看CSDN、知乎或再問ChatGPT），不過希望能把課程變成像這樣的合集，每集幾分鐘要一直切有點麻煩。另外希望未來能推Deep Learning的實戰教學。

[@LuQi-gh2bc]

谢谢小白！来自大陆的观众，考研复试帮了大忙，讲的好多东西都被问到了

[@xyz19791225]

謝謝！很棒的課程。我是想學ML,python 的新手 受益良多

[@GrandmaCan]

很開心能幫助到你!

[@jameschu1170]

已買課程~ 因為數學能力實在不好，想學這個機器學習又好難學，但是阿罵教的方式讓我可以更輕易的理解這個公式的用法，實在很感謝🙏

[@user-jl8fe5mk5b]

能分享一下你的账号吗 我们买不了 谢谢

[@user-je9ud8ci8f]

謝謝小白，無私的分享必須推廣啊

[@fay-sx4ys]

這教學不錯，連梯度微分都實作，鼓勵看。

[@fay-sx4ys]

小白有沒有高階課程?

[@JoJoAllen]

讚讚讚 !!! 阿嬤 終於有新影片可以學習惹 !!!!

[@PhuongPhuong-kr1my]

名師出高徒，謝謝你。雖然學得遲總比不學好。

[@jaywang8862]

请问哪里有更多的课程？讲到sigmoid就没有了吗？

[@rivalhw]

非常不错的教程讲解，赞！

[@NanoCreator]

這個好實用哦！！超讚的影片！！

[@debbieramanath2004]

up主你又更新啦我好喜欢！！！！！

[@6490-1xx]

光是為了你的頻道名稱, 直接按讚訂閱了啦! 過年回去介紹給阿嬤一起看.

[@user-nn2uy2qr5b]

終於出新片了，期待很久

[@GrandmaCan]

[@rainy787]

教得真好! 已購買課程，請問以後能不能出個物體檢測的教學呢@@? (Camera / Lidar / Multi-modal)

[@namelysweet8262]

讲解的非常好！！！

[@caiyu538]

你是最好的老师。

[@sean-iw4lk]

這一定要留言,真的太棒了 ! !

[@GrandmaCan]

[@chih01yi86]

其實不用買，但是贊助我覺得很好，因為程式必須自己一直動腦子去想為什麼

[@rimmerizzane7116]

小白，你的视频讲解的十分赞👍哦！推荐你投稿到b站上去。

[@nainaiero]

我是機器學習相關類科的研究生，我這個TA聽了都自嘆不如阿@@ 但preProcessing可以講深入一點會更好(譬如Normalization or Standardization) 不然會很像資料前處理

[@user-nn1yz6zm5r]

我秋天也會入學人工智慧的研究所，請問他的這個課，我可以當作預習嗎

[@ericinema]

深入淺出 只能說超屌的...👍

[@jping2713]

出片了好感動

[@GrandmaCan]

[@jameschu1170]

謝謝教學~~

[@zhenghongkun1991]

终于等到更新了！！！！

[@xiang-yue-fung]

好ㄟ好ㄟ，等很久了w

[@joshyang6175]

有點懷疑小白就是AI, 太強了~!!

[@effiechew6269]

謝謝你的教學，至少比我那個連阿嫲也都不如的教授靠譜😂🤟

[@robinzhang8322]

真棒💯！ 多谢！

[@user-ld6on7oq7d]

讚哦！大力支持

[@user-up3zu5yi1o]

讲的真清楚

[@user-ri3eo2qq7w]

感覺影片不錯，但是實際上內容所需要的檔案路徑都已經變了，導致你要使用得需要非常多的排錯，光一開始的薪資資料就得花很久時間去搞定，然後下一步就會卡在字體，也沒有看到有人出來稍微教學一下，只能說可能買了之後大部分時間都會放在排錯上。

[@GrandmaCan]

檔案的路徑從一開始到現在都沒改哦 如果你想要讀取資料的檔案，直接複製雲端連結是無法讀取的 我有把資料檔上傳到github ，使用github 的網址就可以囉（你可以直接打開雲端colab 檔複製～

[@user-ri3eo2qq7w]

謝謝回答， 首先影片前三十分鐘你的檔案路徑是放在GitHub裡，但你提供的是google雲端，也沒有提供Github的路徑，因為是沒什麼基礎來學習的，所以只能一步步排錯，然後放棄使用繁體中文，到了40幾分鐘時又得排錯一次，排錯時間大於練習時間的挫敗感很重。 很多人反應路徑問題跟繁體中文問題，但目前也沒看的有什麼解決辦法，所以很擔心接下來的內容是不是也是一樣，是否有群組可以有人一起討論或是問問題？

[@user-vy8ez2yh8f]

感覺就像我想要從機器學習中得到的一切。 這是初學者的水平，但是很難，因為我跟不上。 再伸展一下自己。🦊

[@bopan7089]

超级棒 非常感谢

[@kexueshare]

用心的录制了视频。

[@user-ym1zo1wd3w]

我已购买课程，期待主播打赏 哈哈

[@jiangweilian]

你的讲解真的很容易懂，就是讲解的算法太少了，可以把其他的算法也讲下吗？

[@user-lx9iw9cn5i]

請問會有群組可以討論課程內容嗎

[@user-ob1si8sp7d]

有看就有利益

[@DrYouShanChen]

台灣之光🎉

[@user-di1mk8ze7l]

請問有購買課程的目錄和影片時間長度嗎？

[@sjl1703]

頭香，我的偶像小白😂😂

[@GrandmaCan]

[@jasonng6873]

Hello , 會教一個程式交易嗎？交易所 API 這類

[@sshen8112]

謝謝您做了這麼優質的影片公開在網路上，這裡有個問題想請問您，關於後面邏輯回歸的男生女生，給定特徵值是1跟0，不過他們沒有階層關係，是否應該要跟城市a、城市b去做One-Hot Encoding呢？謝謝您

[@yoyoisgood]

最佛系教學YT阿罵又來了,已手刀購買課程

[@cjdolorito]

Watching here ka Litz adventure done connected idol

[@LosT_ENd_ZerEF]

請問一下 如果訓練的樣本並不是像薪水vs年資一樣呈線性關係 而是呈次方倍或sin cos關係之類的 (只有一個變數 如年資) 那該怎麼不以結果論 人為回推曲線次方數或是否為sin函數 再修改程式碼 而是讓程式自己判斷如何擬合變數與結果的關係呢? 只能把每一種曲線都訓練一次再比較之間的損失函數哪一個比較低嗎? 還是有更有效的方法> 感謝~~

[@Chen-im8kf]

太屌了！

[@chenharold]

想請教小白，買課程差別在哪裡呢？可以諮詢詢問嗎？

[@ascafe13]

感謝你

[@user-iv5iu9kp4i]

讚支持

[@jlai383]

Thanks!

[@sasakevin3263]

記得大師費曼説過，你真正掌握一門技能，是要讓你奶奶能完全聽懂。這裏已經不是讓奶奶能聽懂，而是奶奶也會，果斷訂閲了！

[@user-ye7pr3es1k]

老师好，我在做线性回归的成本函数，绘制3D图的时候，ws_grid,bs_grid = np.meshgrid(ws, bs)与bs_grid,ws_grid = np.meshgrid(bs, ws)的结果不一样，参考了您放的链接也没理解为什么bs要放在ws之前。网上的其他案例都是 x, y = np.meshgrid(x, y)，为什么在本课程中的就变成了 y, x = np.meshgrid(y, x) 呢？

[@K_line_sorter]

老师！能否出个pytoch的教学视频？

[@hirowu605]

很帥欸

[@hioh5300]

想問一下，使用vs而不是用colab會造成問題嗎

[@yonasluo1233]

这种教学的方式很不错呢，第一次接触这个工具，大陆好像用的都是jupyter。没想到Google还提供硬件加持。

[@katew.3977]

美國大學也常用 jupyter

[@ovvenfan374]

兩個課程一起買有沒有額外優惠壓

[@kangliwang]

quite helpful , learn a lot

[@user-zt2mq8jd4y]

想請問後面章節的gpu上訓練，是在本地自己練嗎?

[@TingFengHi]

難怪我剛看好像有點怪怪的，梯度下降那邊，我一開始在想學習率如果10%的話，以w=-75那個點的斜率-4000左右，數據好像會越跳w越高，不然就是左右橫跳，如果設0.1%的話就可以成功趨近0了。 我是一開始看到上面畫的圖，點都是在同一邊且慢慢趨近於0，我想說應該是"cost-W的當前斜率-當前斜率*學習率"來趨近0，學習率可能設99%，像是-4000+3960=-40，-40+39.6=-0.4，來讓Cost-W曲線斜率越來越接近0。 但看到後面其實發現影片中的算法，學習率用0.1%也可以做到。 有人有跟我一樣的疑惑的嗎。2024/1/10 8:00 am留 我後來發現這樣子要再把W提取出來會需要回推，但如果一開始用W減斜率的話就沒有這問題，我知道他的想法了 2024/1/10 10:55 am留

[@user-xh8qq3fq5b]

我阿女麻等很久了，他現在很開心

[@GrandmaCan]

[@xac2648]

终于出了

[@GrandmaCan]

[@rickey-uh5hv9de6j]

小白,資料的連結有嗎?

[@user-iv5iu9kp4i]

讚❤❤❤❤❤❤

[@chinaweike]

2:14:44 y_pred 部分需要加上括号，否则下面的偏微分出来的结果会觉得怪怪的。

[@user-ye7pr3es1k]

我做微分的方式：(f(x + 0.00001) - f(x))/0.00001, 这样也能近似得到斜率😁，误差也不大

[@user-bw4wl6dq7v]

請問2:17，w = ny.array[0,2,2,4]，是假設的嗎? 如果是不假設下，如何得到w ?

[@hanskywalks]

挺小白哥

[@user-iv5iu9kp4i]

讚喔

[@user-chosenone]

希望能做个DL影片

[@chenwilliam5176]

Machine 「behaves」Look Like it has Intelligence 😉

[@user-zv3xv8sf3m]

The activity is very good❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤

[@LanPaTone]

你好，有個問題2:35:45 您說特徵縮放的步驟在之前都還沒用過

[@GrandmaCan]

影片的順序有點錯誤 特徵縮放在後面 ⌨ (2:37:53​) 特徵縮放 Feature Scaling 詳細順序可以參考說明欄~

[@LanPaTone]

@@GrandmaCan 謝謝 看完這部分類 一直以為我看漏了哈哈