[筆記] AI 筆記 (本文與ChatGPT合作完成)

(AI輔助生成)

ttsmaker 1601 - yt 雅婷-繁体台湾通用女声 taiwan female輸出

[筆記] 機器學習是一種人工智慧的應用

電腦透過大量資料，從中提取規律和模式，進而建立模型，用以預測、分類或做出決策。

執行的步驟如下:

1. 定義問題 了解目的和問題的背景 例如: 透過年資、職等、城市等因素，預測員工的薪資。

2. 數據前處理 對收集到的數據進行整理和清理，以便後續的分析和應用。 例如: 刪除缺失值和重複值，將非數值數據轉換為數值數據（例如 Label Encoding、One-Hot Encoding）

3. 模型訓練 選擇適當的算法和模型架構，將數據分為訓練集和測試集，通過不斷的迭代優化，使模型的準確率不斷提高。 例如: 監督式學習算法如線性回歸、決策樹等適用於預測或分類問題，而非監督式學習算法如聚類、降維等則適用於無標籤數據的分析。 深度學習技術訓練的神經網絡模型如CNN、RNN屬於監督式學習，使用帶有標籤的數據集來進行訓練，目標是最小化loss function(需自訂)。

4. 評估結果 對訓練好的模型進行評估，通過各種指標來評價模型的效果，並對模型進行調整和優化（做不好就回到上一步）。 例如: 利用測試集檢查模型的準確率，調整模型參數、算法等進行優化。

5. 模型應用 將訓練好的模型應用到實際問題中，並進行預測和分析，得出結果。

備註: 在機器學習中，「有標籤的數據」指的是一個資料集中每個樣本都已經被標上了對應的標籤或標記，例如圖片資料集中每個圖片都被標記為狗、貓、鳥等等。這些標籤可以作為模型的參考，協助模型進行學習。 而「沒有標籤的數據」則是指一個資料集中的樣本並沒有被標記或標記是未知的。這種資料集通常稱為「無監督學習」的資料集，因為模型需要自己學習資料的特徵和分佈，而無法像監督式學習一樣參考標籤。在無監督學習中，常見的任務包括聚類、降維和生成等。

有些機場和航空公司會公開航班資訊和相關數據，供外部使用者進行分析。以下是幾個可以獲取航空數據的資源：

• 航空公司和機場官方網站：有些航空公司和機場提供航班時刻表、到達和出發時間、航班狀態、航班路線等資訊，供外部使用者查詢和下載。

• 航空數據供應商：有許多第三方供應商提供航空數據，例如 FlightStats、OAG、FlightGlobal 等。這些供應商提供的資料包括航班時刻表、實際到達和出發時間、航班狀態、飛行時間、機場運作資料等等。

• 公開數據平台：例如 OpenFlights、OpenSky Network、航空網絡統計學等平台，提供公開的航空數據，包括航班路線、航班編號、飛行時間、機場資料、航空公司資訊等。

(本文與ChatGPT合作完成)