1 of 41

非監督式學習

2 of 41

目錄 Contents

三兄弟的故事

01

02

03

非監督式學習

生活運用

總結

04

  • 按一下以編輯母片文字樣式

​

3 of 41

01

三兄弟

的故事

  • 按一下以編輯母片文字樣式

​

4 of 41

富商爸爸財產分配

故事開始

富商爸爸與三個兄弟�

  • 按一下以編輯母片文字樣式

​

5 of 41

三位兄弟

​

三弟

增強式

大哥

監督式

二哥

非監督式

  • 按一下以編輯母片文字樣式

​

6 of 41

將鑽石賣完

一個月內將鑽石賣完，才可獲得全部遺產

  • 按一下以編輯母片文字樣式

​

7 of 41

嚴謹的監督式

嚴謹的大哥監督式，

為鑽石訂價格，上標籤。

  • 按一下以編輯母片文字樣式

​

8 of 41

  • 隨意的非監督式

隨意的二哥非監督式

利用特徵將珠寶分群

  • 按一下以編輯母片文字樣式

​

9 of 41

注重策略的增強式

注重策略的三哥增強式

離鄉去大城市找有錢人購買

  • 按一下以編輯母片文字樣式

​

10 of 41

監督式還在貼標籤

時光匆匆大哥監督式

還在貼標籤

  • 按一下以編輯母片文字樣式

​

11 of 41

非監督式最早賣完

二哥非監督式

最早賣完鑽石，攢了幾桶金

  • 按一下以編輯母片文字樣式

​

12 of 41

增強式賣完幾筆

三哥增強式賣完幾筆

收穫有些，但是仍未賣完

  • 按一下以編輯母片文字樣式

​

13 of 41

二哥非監督式冠軍

增強式

監督式

二哥非監督式冠軍

  • 按一下以編輯母片文字樣式

​

14 of 41

非監督式最終獲得遺產

二哥非監督式

成為最大珠寶商

​

  • 按一下以編輯母片文字樣式

​

15 of 41

為什麼非監督式最後獲勝

為什麼二哥非監督式

最後獲勝呢?

最早賣完鑽石呢?

  • 按一下以編輯母片文字樣式

​

16 of 41

02

非監督式學習

  • 按一下以編輯母片文字樣式

​

17 of 41

機器學習

機器學習

增強式學習（Reinforcement learning）

非監督式學習

（Unsupervised learning）

監督式學習（Supervised learning）

機器學習分類

分群

K-means

HAC

  • 按一下以編輯母片文字樣式

​

18 of 41

  • 監督式學習流程圖

​

監督式學習流程圖

label

label

label

label

label

label

label

label

label

  • 按一下以編輯母片文字樣式

​

19 of 41

  • 監督式學習分類

​

非監督式學習大致分成兩種形式:

​

分群(Clustering) 與 生成(Generation)

​

分群常見演算法:

K-means，HAC(Hierarchical Agglomerative Clustering)

​

生成: GAN(生成式對抗網路)

  • 按一下以編輯母片文字樣式

​

20 of 41

  • 分群

分群(Clustering)

把數據根據距離或相似度分開，每一組稱作一個「群集Cluster 」。

距離越近，推定為越相似；鄰居越密集，推定為越相似。

  • 按一下以編輯母片文字樣式

​

21 of 41

Kmeans 分群， 將每個資料點，與k個群心算歐基里德距離，最近群心為一群，直到群心不變為止

d1

d2

算各點與群心的距離

 

  • 按一下以編輯母片文字樣式

​

22 of 41

  • 群心不動

​

一直重複，直到所有群心不在有太變動時，結束運算，分群完畢。

群心不動

  • 按一下以編輯母片文字樣式

​

23 of 41

階層式聚合網路

​

階層式聚合群集網路(HAC)

HAC

一層一層

每個樣本特徵分類

bottom-up 的方法，由小而大，聚合成整體。

​

樣本

節點

(分群依據)

  • 按一下以編輯母片文字樣式

​

24 of 41

生成式對抗網路

生成式對抗網路:

GAN(Generative Adversarial Network)

運用在沒有辦法明確得知特色，或是標籤費時樣本

例如:畫風

https://www.ss.net.tw/paint-156_96.html

  • 按一下以編輯母片文字樣式

​

25 of 41

生成式對抗網路

對抗式

兩大高手多次的過招

一次比一次的精進

最後達到前無古人

後無來者的巔峰

​

生成式

GAN核心思想

生成模型（Generator）

對抗的判別模型（Discriminator）

  • 按一下以編輯母片文字樣式

​

26 of 41

03

生活運用

​

  • 按一下以編輯母片文字樣式

​

27 of 41

生成式對抗網路

​

學習 星夜

原圖 海大一隅

生成式對抗網路

  • 按一下以編輯母片文字樣式

​

28 of 41

生成式對抗網路

​

學習 吶喊

原圖 海大一隅

生成式對抗網路

  • 按一下以編輯母片文字樣式

​

29 of 41

這二十年來最酷的想法

生成對抗網絡可生成以假亂真的圖片

GAN用於生成影片等

「機器學習這二十年來最酷的想法」

  • 按一下以編輯母片文字樣式

​

30 of 41

人臉的自動上妝

論文來源：BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network，From 2018 ACM MM

利用GAN實現了人臉的自動上妝

上完妝非常nice

  • 按一下以編輯母片文字樣式

​

31 of 41

04

總結

  • 按一下以編輯母片文字樣式

​

32 of 41

海量數據掛帥

非監督式學習

無需人工辛苦的標籤資料

適用於金融商業等領域

  • 按一下以編輯母片文字樣式

​

33 of 41

特徵分群

Kmeans 按特徵分群

有效快速

  • 按一下以編輯母片文字樣式

​

34 of 41

你學會沒

生成對抗網絡( GAN ) 用於生成圖片影片等

「機器學習是這二十年來最酷的想法」

  • 按一下以編輯母片文字樣式

​

35 of 41

Q & A時間

  • 按一下以編輯母片文字樣式

​

36 of 41

  • 第一題

Q1:K-means的功能是什麼?

(A)壓縮資料(B)刪除資料(C)將資料分群。

Ans: (C)將資料分群。

  • 按一下以編輯母片文字樣式

​

37 of 41

  • 第二題

Q2:三兄弟分家產故事，為什麼非監督式獲勝(A) 標籤多(B)賣的價錢高 (C)賣的速度較快。

​

Ans: (C)賣的速度較快。

  • 按一下以編輯母片文字樣式

​

38 of 41

  • 第三題

Q3: K-means屬於AI哪一種學習? (A)監督式學習 (B)非監督式學習 (C)強化式學習 。

​

Ans: (B)非監督式學習。

  • 按一下以編輯母片文字樣式

​

39 of 41

  • 第四題

Q4: GAN的作用，下列何種工作適當?

(A)監督式學習(B)畫風 (C)金融業工作。

Ans (B)畫風

  • 按一下以編輯母片文字樣式

​

40 of 41

參考資料

參考資料:

  1. BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network，From 2018 ACM MM，

https://www.ss.net.tw/paint-156_96.html

https://www.ostagram.me/about?locale=en

​

  • 按一下以編輯母片文字樣式

​

41 of 41

非監督式學習

本單元講述到此結束