選手列表
後端工程師嘗試不依賴框架撈資料，了解輸出的SQL語法，學習資料庫運作，利用原生SQL語法新增、刪除、修改、查詢資料。面對大量的資料時，效能的優化，以及學習如何利用這些龐大的資料找出有意義結果，從零開始學習PostgreSQL！
整理各式DL/ML有趣小新知、舊聞、資源以及想法 看完之後並不會提升任何DL/ML專業能力 最多發出一聲"喔~好喔"的不屑敷衍聲然後發現開啟社群軟體還是比較有趣的忽略本系列 但在邊緣人聚會裡倒是可以用來提幾個的超冷小知識讓自己不那麼邊緣 如果你是萌新又真的不幸地不信邪地翻完本系列 那麼你打開深度學習領域的方式大概錯了QQ 建議怠惰一下再重新開始 或者照個強烈白光也可
前半部介紹console的操作，所以免程式也能做出 LINE Bot 跟上架 AoG 。 後半部則會開始使用 fuilment
說明AI以及Machine Learning Data Science 應用為主
主題跟 "Machine Learning for Dummies" 這本書沒有直接關係，但我希望用 30 天的時間，從零開始學習 Machine Learning 並分享我的心得給大家！
時代轉變，AI取代人類的議題漸漸受到眾人關注，從企業到校園，從社會到家庭。面對AI衝擊，我們必須做好哪些準備 ?透過這次鐵人能更進一步了解人工智慧的相關知識及現在擁有的相關應用，再延伸到人工智慧與各方面結合能帶來1+1>2的效果。
上次恨引挑戰失敗QQ，希望可以在挑戰一次，來看一下資料視覺化跟BI tool 入門操作，首先認識Data是什麼如何呈現，用Tableau可以怎麼做。
主要使用scrapy 來進行資料處理 和資料應用 和 不同網站的爬蟲經驗。
Microsoft 提供了各式各樣的資料管理、服務與軟體，如何規劃、設計、建立一個商業應用的資料分析平台？這個題目涵蓋的範圍包括從適合企業內部規劃的地端資料應用平台、透過雲端服務建立的資料服務平台、以及混合架構的資料整合平台，必須考量企業在商業智慧的應用情境、資料處理的流程、資料安全性的考量、以及服務架構的成本各種因素之上，各種環境、條件、與限制，挑選適合的資料處理方法、資料處理流程以及資料平台的整體規劃。 這個主題將從資料科學概念說起，針對 Microsoft 提供的各項資料服務和軟體，如何使用及規劃，如何整合及應用，最後，還會介紹幾個成功和失敗的商業案例，完成本次的 30 天鐵人挑戰賽。
由於最近常聽到AI人工智慧 (Artificial Intelligence)、機器學習 (Machine Learning)、深度學習(Deep Learning) 但許多都是運用在Python上撰寫出來的，因此就在想，難道網頁技術就真的接觸不到了嗎？ 恰好，有接觸到PHP後端網頁技術，搜尋了一下，找到了PHP-ML(PHP Machine Learning)。 既然如此，坑都挖好了，那就來跳坑學習一下吧。 Come on, Let's go!
