選手列表
隨著科技的演進，雲端虛擬化服務日漸蓬勃，眾多企業無論大小新舊，將服務轉往雲端已成趨勢。如果有漸趨複雜的運算邏輯牽涉其中，則各種模型加入幫助我們解決問題的行列，其中又以機器學習影響尤為巨大。科技巨擘Google已然嗅到其中龐大的商機，毅然投身其中。 今天開始，就讓我們利用GDC學習，究竟現代化的線上服務及背後模型運作。欲知後事如何發展，且看接下來的30天分曉！
明明是前端卻突然被要求開發APP，因而感到不知所措？藉由這次鐵人賽機會，讓自己可以鼓起勇氣跨出學寫APP的第一步，也希望能讓同樣因APP開發而煩惱的人，輕鬆了解如何使用Flutter刻出常用介面及功能！
上屆因為日光節約時間調整時鐘，在第26天錯過發文；這回將延續之前所寫主題，在網路安全監控Network Security Monitoring 的基礎上，品嘗蜜罐Honeypot，介紹蜜罐的用途，分享一些蜜罐例如DShield Honeypot、T-Pot、MHN (Modern Honeynet)等等。
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。
做為資工系新生，面對全新的大學生活，想藉由筆記的方式記錄自己最初的30天。
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。
依據Google現有的Cloud ML APIs、Natural Language API、Cloud Vision API等等，搭配Google的Qwiklab、Coursera等課程，利用此次比賽的機會分享學習精華、運用所學做一些小專題並分享。
參加 Google Developers「ML Study Jam 機器學習培訓計劃 - 進階」活動。 coursera 課程「Machine Learning with TensorFlow on Google Cloud Platform 專項課程」的學習筆記和一些ML學習記錄
