選手列表
自駕化是汽車產業的趨勢之一，也隨著AI技術發展，自動駕駛愈來愈有機會實現。 伴隨自已Udacity自動駕駛的學習課程，希冀能這兒記錄學習歷程、分享交流，能夠在自動駕駛的領域有深入的了解及實作。
大家好，我是哥布林恩君 簡單介紹自己，本身並非資訊背景，頭腦簡單，四肢發達，為了解決部落的種種問題，從今天開始好好學習如何運用資料科學來好好解決部落內部的問題。 好了，恩君平凡的故事即將開始 在一個平凡的哥布林村莊 ... (to be continued )
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。
深度學習就像是個幻境之地，許多人曾經尋訪卻只得到碎片般的景色。在這裡，希望讓想成為深度學習的魔法使玩家能一覽深度學習之全貌，在30天後可以自信的說出：「沒錯，請你叫我『大魔法使』」。 內容將包含深度學習的Learning map、最新研究技術與商業應用。
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。
chatbot開發，終於在2018年進入smart speaker 裝置的開發了。
目的是透過30天的挑戰，督促自己學習新知並寫成文章做為教學用筆記， 從基本的資料結構說明與使用、Scrapy爬蟲的講解與實際操作， 最後也許還會包含Spark 處理數據的操作也說不定？
目前工作使用語言為 C#、PHP、JS 為主，對於python 一直有濃厚的學習興趣， 但礙於工作與各種瑣事總是一拖再拖，碰巧看到了鐵人賽的活動，希望能透過這個比賽增進每日學習的動力，並分享每日學習心得與收穫，也希望能透過大家的留言修正錯誤的觀念
