選手列表
程式設計不該只是工程師專屬的武器 爬蟲的技術對於身處行銷、電商產業的人更重要 文章並不探討困難的技術,目標是培養解決問題的能力及技術的整合,內容包含: 1. 撰寫程式的前置環境設定,以及推薦開發工具(IDE) 2. nodejs基礎操作 3. 自動抓取網頁資訊(打開虛擬網頁、分析網頁、操作網頁元素) 4. 將取得的資訊放入Google Sheets(read、write、format...) 5. 排程自動執行設定,腳本撰寫 6. 執行完成後透過LINE回報執行狀況 備註:本專案在windows、mac皆可操作
近年來,深度學習這個名子火得不行 感覺不管是學哪個科系哪個領域的人不碰點深度學習都對不起自己(雖然我不太懂為什麼 而身處在網路便利的 2020 儘管可以在網路上隨意找到需要的資源來做學習或解決我們立即性的問題 像是直接上 staxxoverxxx 去複製一段 code 下來等等 但常常我們不是真的理解為何一個問題的發生並真的解決了一個問題 更多的時候我們追求恐怕只是眼不見為淨 長期下來恐怕有非常多隱患積累 本系列文會分享筆者近年在深度學習領域打滾踩得各種坑以及如何解決 事實上此系列文筆者原訂想取名為 : 從入門到放棄 : 致那些年讓我們崩潰的坑 但想想還是算了 沒了
身為一介過去所學及知識背景完全與 IT 無關的門外漢,在一定的工作時間與壓力下,憑藉著對於 IT 的好奇、進一步瞭解 IT 應用的可能性而為之吸引後,決定利用空閑時間開始自學之路。雖然目前技術能力還在原始人階段,但希望跨域碰撞的火花能夠帶給產業與生活新的轉變!
2017年Google發了一篇論文叫 " The Case for Learned Index Structures ",他們提出了一個嶄新的想法,使用機器學習、深度學習的模型學習資料的分布,使用模型預測資料的所在位置,就能更快速地查找到資料,他們將這樣的索引結構稱為 "Learned Index" 。 我希望能基於此論文,進行30天的鐵人競賽,探討並實作出Learned Index !
機器學習蔚為風潮,身為學生的我也想試試水溫 若長期研究機器學習,自行架設通常是較為便宜的方案,而重灌一台機器學習的伺服器難免讓人卻步。 何不將現有得機器與系統稍作改良,利用 PVE 實現一個多用途的個人伺服器,同時滿足機器學習與個人娛樂等需求! 該系列文章將介紹系統及虛擬化相關知識,並實際應用於個人生活中。
主要目的希望可以試著將之前實習所學到的東西,以教學形式寫下。 有感於許多教程都是概念性的教法、或者使用廣為人知的訓練集進行教學,我希望將我在面對新的未知的訓練集所遇到的困難與作法,寫入此次的挑戰中,這也是為什麼我的題目並不是從0開始的。 還有在面對框架的多元性,他們之間的異同處與使用心得,以及我是如何面對及瀏覽開源程式的。 最後,想將AI用於醫學資料的現況與我的想法,適當地記錄下來。 以上是我貪心想講述的所有面向,實際進行上,我會先從下方的主題一步步踏實的去撰寫: 一、直接用skeleton code講解tensorflow model程式執行方式 二、寫不下Q
自己在學大數據和AI進修的上課記錄和上課心得 等等生活記錄
在下接觸資料庫有一段時間了, 但對於很多觀念還是不夠熟悉, 想要趁這次機會,挑戰鐵人30來鞭策自己, 將資料庫的概念重新釐清並與大家進行分享, 謝謝!
本次會以辨識水果為主,利用整體水果的辨識過程來教導各位辨識一個水果該要注意甚麼事情,而會遇到甚麼困難點,雖然可能資訊會略有不足或是有不專精之處,但我會盡我自身所及來為各位介紹。 本次辨識的水果會先以番茄為主,因為曾經有做了類似狀況,可以為各位介紹番茄的辨識程度,番茄是以在種植的環境下去辨識,所以還有背景問題,並且還有水果與水果阻擋的問題,我們必須要判斷出有哪幾顆番茄是成熟的這個就是我們的目的。 如果番茄介紹的順利我會額外辨識其他水果來做介紹,此要視進度而定。
以實例介紹為主,將世界各地取得的公開資料,透過Tableau整理出合適的視覺化圖表,方便資料分析師進行簡報與結論分析,並提供決策的方向給大眾參考。