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。
最近這幾年機器學習和大數據資料已經成為了非常熱門的話題，在未來的世界裡似乎已經是少不了它了。雖然在機器學習的過程中好像是個黑盒子，我們不知道他到底怎麼學的，不過我們人類好像也是這樣去學習的。希望透過這未來的三十天，我也可以一窺到機器學習的領域，了解這個大家都在討論的話題到底是怎麼一回事，希望這次可以完成，一定要達到30篇文章才行！！GOGOGO!!!
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?
希望在it邦幫忙鐵人賽的刺激下，將[AIx外匯x量化交易]做更有系統學習、紀錄、分享，進一步和社群互相切磋成長。內容包括7部分主題： # 1. [AIx外匯x量化交易]介紹 # 2. 外匯價格資料蒐集與處理 # 3. 技術指標介紹與實踐 # 4. k線形態學介紹與實踐 # 5. 交易知識與下單策略 # 6. 機器學習與外匯交易 # 7. 基本交易回測系統
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
接觸AWS平台一段時間。利用此次機會，整理AWS平台關於數據分析的雲端資源，與使用場景。
會簡單入門的方式透或GOOGLE好用的Puppeteer 套件 輕鬆地建立起自己的爬蟲 過程中也會邊學習typescript 會以js和ts方式同時呈現code 並在最後簡單地用vuejs建立自己的爬完的小網站 或者是建立自用小型伺服器http方式取得爬完的資料
學習技術沒有捷徑，只有不斷的練習怎麼去解決問題。本系列文希望由淺至深，以C++實作數個機器學習的演算法，分別解析演算法的概念、流程，解釋如何以C++實作這些演算法，並透過一些簡單的資料去驗證演算法的表現。
以Data science pipeline的框架，review data science roadmap。除了分享理論，並會使用Python或者R語言，應用在Data science案例與情境。
- 上一頁
- 下一頁
