Instagram採用一種稱為「詞嵌入（Word embedding）」的機器學習（Machine Learning）方式，來分析及衡量不同內容的關聯性。如「火」一詞通常會出現在「警報」及「火車」旁，出現在「三文治」及「Pelican攝影器材安全箱」旁的機會較少，Instagram就會透過系統，分析並確定兩個帳戶及內容之間的關聯程度。
https://inews.hket.com/article/2506214/Instagram公開AI演算技術%E3%80%80解釋如何向用家推薦內容?mtc=20023

感謝東吳巨量資料學院的胡學長，貢獻了大數據英文用語的part 2囉！
這次胡學長focus在「機器學習篇」，以及介紹三個因為機器學習出現而發展非常快速的領域，分別是「文字」、「影像」和「音訊」。
大家不用覺得機器學習離我們很遙遠，像是youtube的推薦系統、google翻譯以及siri的背後通通都是使用機器學習的演算法哦！而且其實概念並不難，有興趣的孩子可以多探究！
——————————————————
🤖 胡哥+俐媽英文教室—機器學習篇 machine learning：
1️⃣ <機器學習四大類別>
* supervised learning 監督式學習
* semi-supervised learning 半監督式學習
* unsupervised learning 非監督式學習
* reinforcement learning 強化學習

2️⃣ <常見用語>
* cluster 分群
* classification 分類
* regression 迴歸
* model 模型
* parameter 參數
* predict 預測
* accuracy 準確率
* overfitting 過度擬合
* feature 特徵欄位
* label 目標欄位
* training data 訓練資料
* testing data 測試資料
* validation data 驗證資料
* standardization 資料標準化
* feature extraction 特徵提取
* dimension reduction 資料降維

3️⃣ <文字分析>
* text mining 文字探勘
* natural language process 自然語言處理
* text categorization 文本分類
* information retrieval 資訊檢索
* word segmentation 自動分詞
* machine translation 機器翻譯
* topic modeling 主題式分析
* sentiment analysis 文字情緒分析
* part of speech 文字詞性分析
* word embedding 詞向量轉換

4️⃣ <影像辨識>
* computer vision 電腦視覺
* image recognition 影像辨識
* image segmentation 影像切割
* image annotation 影像標注
* object detection 物件偵測
* face detection 人臉辨識

5️⃣ <音訊辨識>
* speech recognition 語音辨識
* signal extraction 訊號處理
* noise reduction 雜訊處理
* acoustic model 聲學模型
* time domain 時域
* frequency domain 頻域
* Fourier transform 傅立葉轉換
—————————————————
真是隔行如隔山，有你們提供其他專業領域英文，大家都彼此受惠!
感謝胡哥🙏🏼～
.
#俐媽英文教室 #俐媽英文教室徵稿中 #俐媽英文教室大數據篇 #謝謝胡哥 #東吳巨量資料學院 #大數據 #bigdata #AI #machinelearning

[科普潮文] [大數據，小生物學家]

#metoo
#dxxkpic
用別人發布的細胞data跑了個Principle Component Analysis （PCA，主成份分析）。我應該告他們性騷擾我，告電腦騷擾我，還是告那些細胞性騷擾我？

The Era of Big Data，很大程度上幫助了生物學研究。我們有方法把想研究的器官，拆解成單細胞，再分析每個細胞的RNA成份，從而了解每個細胞在做甚麼，以及細胞之間的差異，有時會找到傳統方法找不到的細胞。

每個細胞都可以表達成千上萬的不同基因，如何找出它們的關係？應該比較哪一個基因？為了能比較多項變數，統計學家發明了PCA，將差異最大的變數，總結成不同的Components，只要觀察頭幾個Components，就能大致觀察個體之間的差異。舉個例，如果有一堆白人黑人混在一起，你就會用他們的膚色、瞳色、語言等差異較大的變數做Component ，把數據分辨出來，令數據變得可視(Data visualisation)。

對於更大型的Data，bioinformatician 會用機器學習(machine learning) 方式，找出如何比較數據才是最佳。最典型的就是t-Distributed Stochastic Neighbour Embedding (t-SNE)，只要你輸入一堆Data，它就會幫你找不同與歸類，不單是生物學數據，甚至連google image的結果，都可以用t-SNE分類。生物學上，tSNE有助找出獨特的細胞，是這個J樣的PCA不能做到的。

頭盔：我只是會一點code的biologist，統計學知識不全，有錯請指正。