選手列表
一個打算在一個月內修完吳恩達教授在 Coursera 上的 DeepLearning specialization (Course 4: Convolution Neural Network / Course 5: Sequence Models)的瘋狂行程,並使用 Tensorflow 建立視覺與自然語言常用的模型(讀者請注意,請不要輕易嘗試這個瘋狂課程表,因為筆者已經事先聽過大部分的 lectures 了,而且曾修過相關主題的課程,並且是 tensorflow 幼幼班使用者)。
機率與統計是資料科學的基石,每個資料科學家都應該具備此涵養。為了讓自己的資料科學職業生涯能蒸蒸日上,我將挑戰完讀一系列統計與機率的課程。當然,在鐵人賽的30天遠遠不足以達到我的目標,因此我的持續寫作將會持續的更久。而鐵人賽的30天我將要探討的主題為機率,等著入門資料科學的朋友們快一起跳上車吧,我不是老司機,但我希望我的學習過程能對你有所幫助!
Informatica是強大的ETL工具,在各種大數據、資料分析相關應用越發蓬勃的今日,ETL無疑是資料科學這門大學問之中必須的基礎工程,就讓我們用30天來認識ETL及Informatica吧!
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?
自動駕駛、臉部辨識、智慧機器人、聊天機器人、AlphaGo,曾幾何時,你是不是覺得越來越常在技術論壇上看到這些名詞? 近年來,人工智慧的應用如雨後春筍般冒出,而這幕後的推手,即是"機器學習"這門技術。 本次鐵人賽,我想透過各種線上資源,來學習機器學習的基本理論與演算法,並搭配Python程式語言實際將這些演算法實作出來,來加深我對這些演算法的理解。最後幾天,則預計使用網路上的開放專案以及Python上現成的機器學習套件,來一場機器學習實務之旅。
Hi我還是個菜逼巴未來的分享還請大家多多指教,在這30天想跟大家來看一下資料視覺化跟BI tool 入門操作,安裝軟體之後就來認識一下資料型態,利用Tableau Prep清整一下,Tableau Desktop做一些簡單的圖。
chatbot開發,終於在2018年進入smart speaker 裝置的開發了。
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。