選手列表
D3js一直存在你我身邊,也是常見的圖表開發的一大利器,目前雖然有各種圖表三方套件替我們解決了許多常見圖表。但需求跟想法不斷躍進,在高度依賴現成圖表套件的狀況下,可能無法滿足需求,導致持續尋找各種圖表套件。這時候就是D3js讓我們奪回控制權的時候了!這也就是所謂的浪漫突進!透過使用D3js的高度彈性的API,讓我們隨心所欲實現各種特殊奇葩的圖表,這次鐵人賽將會一步步了解基本D3js概念以及使用API,嘗試實現幾個特殊的圖表,練習如何浪漫突進!
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。
哈嘍, 大家好! 由於系上某堂選修課程的緣故, 誤打誤撞參加了這項鐵人挑戰 既然都參加了就要全力以赴ヾ(•ω•`) 希望能透過這個機會, 讓自己逐步認識深度學習這項領域, 並在未來有所運用 也期望可以給願意閱讀我文章的人一些幫助 一定要撐過這30天啊啊啊 加油 話不多說趕緊開始吧!
如何實做(耍廢)U-net 30 天
人工智慧(Artificial Intelligence,AI)是什麼?資料科學(Data Science)又是什麼?隨著近年人工智慧的發展在電腦視覺、自然語言處理等許多領域取得突破性的成就,另外,許多創投資金的進入,生活中逐漸出現相關的產品,最後再加上社群媒體的報導,使得人工智慧、資料科學、機器學習、大數據等等名詞已經成為時下的流行詞。這系列文章的前半段會好好探討人工智慧的展望及其目標、目前的侷限性和存在的問題、介紹可能的解決方法和其相關的領域(如:資料科學、機器學習),後半段會討論當我們實際把相關技術應用到社會中可能會碰到的障礙、其對應的措施和對社會可能造成的影響。
Neo4j 是當前最受歡迎的 Graph DBMS(圖資料庫系統),可以做到傳統 RDBMS 很難表達的複雜關係。Adobe 用 Neo4j 取代 Cassandra;eBay 用 Neo4j 取代 MySQL,他們在效能的提升、或資料量的壓縮都取得非常好的成果。 本次鐵人賽,我將從基本的 Graph DB 概念開始介紹,並詳述 Neo4j 的安裝、操作、查詢、開發、部署等等面向,以及日後可能的應用與發展。
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 !
未來的生活也許會發展成 人機合作 不如大膽的想像
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
介紹一些AI的簡單概念,從最簡單的項目開始學習。