🔥 "อยากสร้างคอมพิวเตอร์ที่เรียนรู้ได้ด้วยตัวเอง ! อยากทำหุ่นยนต์แบบในหนังไซไฟ ต้องรู้ Machine Learning" !!
.
ต้องบอกว่างานด้าน AI จะเป็นหนึ่งในงานที่สำคัญมาก ๆ ในอนาคต ที่จะให้คอมพิวเตอร์คอยคิด ตรวจหา ทำงานแทนเราได้นั่นเอง
.
📌 ซึ่งไม่ว่างานเล็ก ๆ อย่างกิจกรรมประจำวัน จนถึง การวิเคราะห์ชิ้นเนื้อเพื่อหาเซลล์มะเร็ง และ ค้นหาความเปลี่ยนแปลงที่เกิดขึ้นในอวกาศ ในอนาคตก็จะมีศาสตร์ด้าน Machine Learning อยู่ในนั้นทั้งสิ้น
.
วันนี้แอดได้รวมความรู้ด้านคณิตศาสตร์ สถิติที่สำคัญของคนที่สนใจอยากทำ Machine Learning มาฝากกันดังนี้ <3
.
1. Linear Algebra
2. Analytic Geometry
3. Matrix Decomposition
4. Vector Calculus
5. Probability & Distributions
6. Continuous Optimization
7. Linear Regression
8. Principal Component Analysis
9. Mixture model
.
ซึ่งแน่นอนว่าบางตัวหลายคนอาจจะเจอระหว่างเรียนมหาวิทยาลัยมาแล้ว แต่ถ้าใครอยากทบทวน แอดมีหนังสือมาแจกด้วยแหละ (ถูกลิขสิทธิ์ด้วยนะ !)
.
กับหนังสือ Mathematics for Machine Learning ใครสนใจคลิกได้เลยย >> https://mml-book.github.io/book/mml-book.pdf
.
และ สุดท้ายนี้ต้องบอกว่านี่เป็นแค่ส่วนหนึ่งเท่านั้น เพราะสาย ML นี้มีอะไรให้เรียนรู้ตั้งหลายด้านทั้ง Programming, Algorithm หรือ เรื่องอื่น ๆ ที่จำเป็นในคณิตศาสตร์ สถิติ ซึ่งถ้าใครต้องการต่อยอด
.
แอดว่าหนังสือเล่มนี้ที่แจกน่าจะช่วยให้เราเริ่มต้นได้ กับ พื้นฐานที่ดีจ้าาา :D
.
#borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
machine learning linear model 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 八卦
แจกฟรีอีกอัน! คราวนี้เป็นสรุปวิชาเรียนจากมหาวิทยาลัย Standford สหรัฐอเมริกา
จากคอร์ส CS229 Course ในวิชา Machine Learning (การเรียนรู้ของเครื่อง)
คณิตศาสตร์มาแบบจัดเต็ม ตามลิงค์นี้
https://www.ctanujit.org/…/machine_learning_notes__cs229_.p…
เนื้อหาก็ครอบคลุมตามนี้
1. Supervised Learning: Linear Regression & Logistic Regression
2. Generative Learning algorithms & Discriminant Analysis
3. Kernel Methods and SVM
4. Basics of Statistical Learning Theory
5. Regularization and model selection
6. Backpropagation & Deep learning
7. Unsupervised Learning & k-means clustering
8. Mixtures of Gaussians
9. EM algorithm
10. Factor analysis
11. Principal Components Analysis
12. Independent Components Analysis
13. Reinforcement Learning
14. Boosting algorithms and weak learning
.
++++++ประชาสัมพันธ์ (ขายของ) ++++++++
มีข่าวดีสำหรับคนที่อยากศึกษา AI
แต่อ่านตำราภาษาอังกฤษไม่รู้เรื่อง
เลยขอแนะนำหนึงสือที่เป็น Best seller
ในหมวดคอมฯ ของ MEB
📔 หนังสือ "ปัญญาประดิษฐ์ (AI) ไม่ยาก" เข้าใจได้ด้วยเลขม. ปลาย เล่ม 1 (เนื้อหาภาษาไทย)
สนใจสั่งซ์้อได้ที่
👉 https://www.mebmarket.com/web/index.php…
.
ส่วนตัวอย่างหนังสือ ถ้าเพื่อนๆ สนใจก็ทัก inbox มาถามได้ครับ
.
✍เขียนโดย โปรแกรมเมอร์ไทย thai progammer
machine learning linear model 在 FinLab財經實驗室 Facebook 八卦
【時間序列量化交易 - FinLab實體活動】
機器學習模型用於實際交易,不容易!
FinLab在此次的研討會中,介紹了很多小撇步,讓機器學習效果更好,更能夠應用於實際交易。以下是重點摘要:
📕【Labeling】 是很容易被大家忽略的部分,以「持有N天後報酬率」當做label真的好嗎?
我們翻閱 paper 列舉更好的方法,
Tripple barrier:
[Prado 2018] Advances in Financial Machine Learning
Continous trading signal
Continuous trading signals
[Dash 2016] A hybrid stock trading framework integrating technical analysis with machine learning techniques
Trading Point decision
[Chang 2009] Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction
📕【 CNN神經網路】除了做出好的label,我們也介紹了CNN要如何實際用於trading:[Sezer 2018] 產生很多不同參數的技術指標,並且將這些技術指標做成圖片,來預測交易訊號,非常的有趣!
[Sezer 2018] Algorithmic Financial Trading with Deep Convolutional Neural Networks: Time Series to Image Conversion Approach
📕【 Feature importance】通常我們會利用 feature importance來篩選重要的feaature,但是我們平常真的做對了嗎?這部分我就先賣個關子XD
研討會頭影片:
https://drive.google.com/file/d/18dEAalouKvWAtlZSUjc8X9_i8uOHMwci/view?usp=sharing
假如你看到這裡,恭喜你!告訴你一個小秘密,就是我們要辦一場教學活動,由於是第一次實驗性質試辦,此活動酌收茶點費100元,設備場地感謝Fugle的贊助!
當天是個三個小時的小課程,會介紹如何用上述的內容做出一個有效的機器模型策略喔!(需要自行帶筆電)
時間:7/27號 (星期六) 下午 2 點到 5 點
地點:台北捷運西門站五號出口3分鐘路程
名額:25名(白老鼠XD)
金額:100元用來吃吃喝喝(因為是白老鼠,才是這個價格XD)
條件:完成AI股票理專課程的「第 1 章單元 2」
(課程網址:https://hahow.in/cr/finlab-ml)
報名辦法:
這個星期天(7/14)晚上10點準時收看finlab粉絲團,我們會在此時發佈表單,採先搶先贏的方式報名喔!(場地空間有限~不好意思囉)