選手列表
離開純R語言的工作之後,覺得不能夠忘記寫R的手感,所以希望藉由這個活動逼自己每天動筆寫一些東西。 AI的目標便是把「主觀的感覺」寫成「客觀的事實」,透過程式語言、透過資料庫,把變數x1,x2..帶入後,電腦運算得出來的「結論y」要跟你想像的答案一模一樣,這是我當年被問AI的定義, 但現今的我認為,在輸入時,電腦給出的結論「客觀的事實」可能與你所想「主觀的感覺」是不同的答案,而你在看過電腦的運算後恍然大悟發現電腦給出的結論比你主觀意識的答案來的更make sense,這是我最近認為AI的定義,
透過這個系列跟大家介紹什麼是基因演算法,以及其可以應用的範圍和情境。
使用者用Line去加AI小幫手頻道,就能方便將訓練好的機器學習模型,去預測使用者發過來的項目。比如用戶從Line發一張照片過來,AI小幫手可辨識並傳回結果,幫助用戶快速取得前期的服務。伺服器會使用免費的Heroku,用Python模版快速架設,因為機器學習也是用Python語言,可以模塊接到此伺服器上,而不用考慮移植的成本。
發現周遭待解的問題,以 應用現有的 Open Data 資料 ,結合ML 的方法,補足 有到站但並未顯示於現有APP 和 API未提供的資訊。 數據&圖表分析,並以 Web 方式做呈現預測結果。
主要介紹深度學習的兩大框架,Google Tensorflow 和 Facebook PyTorch。在這個系列,第一個禮拜會先介紹這兩個框架的基本性不同,以及兩個框架如何在截然不同的設計中找到自己的族群,並在這個深度學習框架戰場上相互學習。隨後兩個裡拜,我們就會潛入兩個框架的 C++ API, 學習如何使用兩個框架提供的 C++ API。最後,則是把重心放在 ONNX,討論使用 ONNX 提供的 speciation 使訓練模型可以在兩個框架間互通。
記錄這一年來所接觸到的AI相關數學知識及經典案例分享,目標是以非常白話的方式去分享、解釋,方便想要入門的朋友能夠將理論和程式實作一同學習,避免過多的理論分享卻缺乏實作經驗,也不會只實作程式碼卻不知道自己的程式碼在打什麼。預計會提到AI相關基礎數學理論、演算法、必備python套件以及經典案例介紹!
由基礎的環境建置教學到簡單解釋機器學習 並使用kaggle上的資料集帶領讀者實戰 並結合團隊的專案將實做結果呈現於網頁
艾鍗學院_ROS課程大綱+ 實戰ROS機器人自作_使用Raspberry Pi=希望最後幾天能做到ROS在AI方面的應用
介紹如何用 Python 的 Scrapy 框架來有效率的建立網路爬蟲