選手列表
寫程式講究踏實與深度理解後的融會貫通，本系列文預計分成兩個主要部分： 1. 清楚定位專有名詞：什麼是Data Mining？什麼是Big Data？本系列文不再隨波逐流，將以一道【蘿蔔排骨湯】作為輔助譬喻，清楚說明資料處理的所有步驟，盼能將所有相關專有名詞，分門別類並歸納收斂至一個大家能接受的解釋與說法。更期待未來若有教程，能以此為起點。 2. 以SQL迴圈製作購物籃分析統計資料：首先期許自己以更零距離的方式，教會大家寫SQL迴圈。其次，市面執行購物籃分析，通常已有套件可直接使用；此部分將一步一腳印，以原理說明如何mining出這些數據。往後若尚有空檔，將執行文字雲的底階資料實作。
網路、財經節目上一堆股市的技術分析、籌碼分析指標，到底這些指標能否經得起時間考驗。 當機器學習用於選股，是否總是把無效巧合的指標組合成驚人的獲利模型，造成過度優化而無效，要如何真正找到有效的選股模式?
從研究不同資料視覺化工具後選擇Redash的原因， 到安裝環境、實踐視覺化過程以及開發中遇到的經驗分享
初次進入大數據的世界，要使用什麼工具來達成資料視覺化呢?要使用什麼工具來達成人工智慧AI呢?透過Python程式語言有哪些好用的模組可以使用在資料科學上呢? 經過數據處理，透過數據分析，再來一一介紹各個機器學習的演算法適合使用在什麼資料分析上ex.支持向量機(SVM,Support Vector Machine)、神經網路(Neural networks)、主成分分析( PCA,Principal Component Analysis)...等。
在現今電腦的運算能力已經達到頂峰，一個圖靈完全的運算機器有與人類語言同等的表達能力。我們還追求什麼呢？我們追求的是更為細緻的生活、更為精準的預測，如此一來，建立預測模型成為了首要任務。本系列文章將會帶大家探索模型的世界，我們會從傳統的機器學習模型出發，說明模型中每個部件的關係，比較不同模型之間的差異，一路往深度學習模型邁進，你會看到模型不斷進化的歷程。
對於一個平凡的上班族來說，想要增加額外收入比較快的入門方法就是學習股票、外匯，但如果學習這麼多技術分析，也沒有多餘的時間一檔一檔股票慢慢分析，因此選擇python當作資料分析的語法，股票從零開始，python 也從零開始，紀錄如何從無到製作一個股票分析程式
GIS是一種運作和處理地理空間參照資料的技術，在AI世代，無論是學術研究、資料科學、商業分析、或是各種資料採集工程等，GIS資料無處不在，在實務上偶爾會覺得GIS資料明明只多了空間元素，處理起來遇上問題時卻不太順暢；又或者在GIS軟體多元發展的時代，工作流程難免還是會受到軟體功能限制，使流程中斷或卡關。有鑑於此，今年的鐵人賽希望藉由這30天的文章，以Python作為主要資料分析開發語言，挑戰更多元的GIS相關的資料分析技術。
ai.google 是Google今年推出的AI教學平台，上面有各式各樣的AI、ML topic，「跟著Google學ML」就是跟著其中"Machine Learning Crash Course"這個topic，一步一腳印踏入machine learning的國度。
chatbot開發，終於在2018年進入smart speaker 裝置的開發了。
- 上一頁
- 下一頁
