選手列表
敲碗數
1
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
敲碗數
3
電腦會選土豆已經不是新鮮事，如果電腦能懂人的行為，那會是怎麼樣的體驗? 把行為辨識用你阿嬤都能懂的話說給你聽。跟你一起和這個技術初次見面。
敲碗數
1
從6月開始玩DiscordBot，最初簡單的需求逐漸升級。 基本回應，抽卡，對話監聽，後台託管.. 針對DiscordBot的中文教學以python為大宗，但我們使用js； 結合Discord.js，Heroku與GoogleAppsScript製作， 用30天一步步實踐可以輕鬆維護的設計模式。
敲碗數
0
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 !
敲碗數
0
在 AWS 上有需多數據處理與分析的服務，常見的有 Glue、Athena、Redshift、等等，這三十天會以 AWS Glue 為出發點，介紹如何在 AWS 上進行數據處理與分析，並一步一步解說如何使用 AWS Service，以及使用中常見問題的解決方法，最後會有實作範例提供參考，希望可以盡量降低大家在 AWS 數據處理與分析的門檻。
敲碗數
1
運用Python分析金融數據，內容包含統計學基礎運算、金融理論運算、建立投資組合、技術指標運用，都是用python相關工具實作解析，一步步教學如何運用python分析金融數據。
敲碗數
0
人類為了克服生活環境的種種複雜問題，想盡辦法連結人際網絡（群體），並發明輔助工具，與能溝通的文字和語言，藉以解套外在與內在環境的不利因素。 隨著文明不斷的累積，到了現在電腦資訊昌盛時代，人類開始會想與機器溝通，會使用程式語言或軟體做為橋樑，但滿滿的機械語言與程式碼，只能鎖定在特定族群去解讀，無法普及於大眾，就例如說人人會用電腦、平板、手機，但不一定人人都能除錯或找到系統不順的主因，抑或者數學與外文不好的人，更加難以踏入那個「機器領域」。 人類試圖去簡化與機械語言的隔閡，乃至於發展出ＡＩ人工智能，用程式架構出大腦、神經、圖像與語音辨識等網絡，以重新學習作為基準，達到最終的「神領域」。
敲碗數
0
Keras 是深度學習最簡單的敲門磚，但是，計畫趕不上變化，所有市面上的書籍都追不上 Keras 版本的更新，例如： 1. Google AI Team 依照 Keras 規格開發一套全新的 Keras 模組，並內含在 TensorFlow 內。 2. 獨立套件Keras不玩了，官網文件全部改為介紹 TensorFlow 的 Keras 模組。 3. Keras 模組與TensorFlow其他模組無縫整合，功能更強大，使用更複雜。 4. TensorFlow 版本飛快更新，很多語法也迅速被丟進垃圾桶，另外，有更多的語法要塞進我快爆炸的腦袋。 只能再重新埋鍋造飯了...
敲碗數
0
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。
敲碗數
0
身為一個老軟體人, 有幸 (或者應該說是不幸) 在職場的最後一個時段碰到 AI 盛世, 工作之所需加上不服輸的工程師性格, 我這個老頭踏上了 AI 的學習, 研究, 及開發之路。其中艱辛, 冷暧自知, 希望藉由此一鐵人賽, 與大家分享其中的心得和一些失敗成功的經驗。
- 上一頁
- 下一頁
