選手列表
身為一個不專業的AI工程師, 目前對於本專欄主題沒有特定的想法, 應該會偏向電腦視覺演算法相關的。 可能是最近工作上遇到的問題,或是分享有趣的論文。 (如果太忙可能會塞一些以前的演講筆記XD
最近接觸到Telegram Bot, 也慢慢了解其運行的原理。 起初會介紹Google App Script的概念, 再來講幾個Google API與Google Apps的連動功能, 最後再來建立個人人可以上手的Telegram Bot。
Python 是通往 AI & Data 的熱門程式語言,但要怎麼讓非程式背景的人也能輕鬆上手? 過往學習程式語言時,較少能有撰寫程式前的背景資訊,造成初學者學了很多技巧,卻無法運用。我想透過這次鐵人賽的挑戰,重新設計以往學習程式語言的方式。以 Python 資料分析作為參賽主題,透過兩位主角Meiko 及 Jason 的對話,將學習的內容帶出! 他們會在不同場景以對話的方式用程式解決問題,目前預計包括 4 大主題, 1.程式基礎 if-else、for-loop 2.串列處理 list 3.函數、模組 4.資料分析應用 Numpy、 Pandas、Matplotlib
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」。
1. Actoins on Google 的介紹 2. DialogFlow 功能介紹 3. DialogFlow 與 Actoins on Google 實例 4. DialogFlow 與 Line 實例
在這30天裡,將從安裝、介紹、基礎 CRUD 操作,到最後示範如何以 Python 來操作 MongoDB,帶領讀者從入門到精通最熱門的 NoSQL 資料庫 MongoDB。
喜歡 NLP 的你,是不是正在愉快地和 BERT 與 Big bird 玩耍?還是正在安第斯山脈與 GPT 的獨角獸們說英文?在模型進步的飛快目不暇給時,夜深人靜,是否想來點經典的 NLP 論文,配上一杯清爽的檸檬氣泡水,品味一下在深度學習到來前,人們是怎麼折騰做 NLP 的呢? 筆者欲隨性的選三十篇 NLP 文章,讓我們一起回味那短短幾年前的人們的巧思與拼搏。
實作using Python 與 new API or new libraries
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。
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...