G-LAB01-AutoML-Autokeras-Chapter 2-MNIST dataset exercise

 AutoML學習 -2022-Mar-1st-22th Chapter 1-Chapter 2 

Topic:
2022年3月Topic主題:AutoML

-------------------
What I learn from:
-------------------
書本:
AutoML自動化機器學習: 用AutoKeras超輕鬆打造高效能AI模型
(Automated Machine Learning with AutoKeras: Deep Learning Made Accessible for Everyone with Just Few Lines of Coding

作者: Luis Sobrecueva
出版社: 旗標科技股份有限公司
出版日期：2021/12/31

--------------------------------------------------
What is AutoML/AutoKeras/甚麼是AutoKeras:
--------------------------------------------------
Auto-Keras 是一個開源、免費的工具，和 Google 的 AutoML 功能相似，也能為深度學習模型自動搜索架構和超參數，使用的方法是高效神經架構搜索（Efficient Neural Architecture Search，簡稱 ENAS）

When/何時:Year 2018 B /2018年初
Who design:?
Ref: https://lnkd.in/g5m3reDq

--------------------------------------------
初學者像我/Some beginner just like me :
--------------------------------------------
通常先使用 [MNIST 資料集],練習[機器學習]Machine Learning:
(MNIST 資料集: 就是一個數據庫,裡面存放一堆手寫的數字圖案照片)
附上練習圖片:(在Google Colab 上使用Auto-Keras)

心得回顧:
去年上過一些CNN 相關課程:
本次再度練習AutoKeras 更進一步的了解 機器學習的樣貌:
收集數據=>洗鍊調整數據=>資料視覺化分析(看看收集的分類)=>資料整規劃=>特徵工程=>[ 模型訓練(已知資料集訓練)=>評估模型(已知資料集測試) ]=>模型適配性(單一數據測試/陌生數據測試)=>模型儲存/模型model 部署.

所謂模型:
就是訓練出來的一個 CNN 神經元運算的邏輯參數與運算流程,包含各流程的結構。(結構/神經元層數例如: 卷積層=>池化層=>全連接層=>flatten=>dropout=>dense=>classification/Softmax 機率分類啟動 ....)

PS: Some are photo from:

https://ithelp.ithome.com.tw/articles/10275842