選手列表
打醬油剛(蹣跚)完成第二屆機器學習百日馬拉松，想藉此重點複習資料清理的部分，並爬取有興趣的數據來實際操作。 Just finished my 100 days challenge on machine learning basics and feel like I need to review and actually get hands on cleaning the data. This challenge will (hopefully) also contains some real world data scraping and cleaning.
目前正在自學C#與ASP.Net，目標是成為後端工程師!!!!!(赫阿) 30篇會偏重C#的部分並帶到一點ASP.Net。希望這一系列文章可以完整表達自學得到的知識，並可以對我一樣非本科、從0開始的捧油有一點點點點幫助!
我想用資料庫為主題偶而會說明ASP.net及C# 來參賽,因為我也是剛觸碰資料庫,所以剛好可以邊學習邊分享,希望我能順利完成><
本篇使用 Visual Studio 2019 版本，並以 ASP.NET Web 應用程式 (.NET Framework) 為專案建立範本，C#語言/Windows平台/Web專案類型。 前言，雖然目前主流以ASP.NET MVC為主，但由於早期都是以Web Form來開發，故市場上仍有繼續維護舊系統的需求，所以仍有其重要性存在。 將以自己在網頁實作過程中，碰到的問題、學習過程為章節介紹，包含ASP.NET常用物件介紹、如何建立新專案、如何結合Open Data(Json為例)、Lambda及LINQ結合做資料篩選的方式、建立Web API…等
通過課程學習的筆記記錄，可以快速上手Python編程，爬蟲應用，數據分析，並能理解機器學習的思維方式和關鍵技術了解深度學習和機器學習在工業界的落地應用。
從零開始的 JavaScript 學習筆記，深入到什麼程度要看造化。此外可能也會介紹一些 jQuery 基礎實作技巧。
其實股票預測並不是一個好題目，因為目前對於股票預測的準確度都不是很高，雖然這代表還有很多的可改善空間，但反面來說也可以反映其難度。對於在ML領域新手的我來說，或許是一個太大的挑戰，但本主題單純是我興趣使然，所以還是想嘗試嘗試。 計劃分以下三步驟 1. GCP環境摸索、資料分析以及預處理、模型選擇 2. 訓練-Trial and error 3. 結果分析-準確度、效能、模型評估 本題目希望藉由GCP完成以下幾點 1. GCP-online data collection 2. GCP-online training 3. Load the model to local
將配合[ML Study Jam 機器學習培訓計劃 - 進階]參與挑戰，個人背景略有相關知識與應用經驗，但皆是短時間、片段的接觸機器學習，希望能完整的經歷該次學習歷程，彙整所需知識與技術並樂於分享所學。
藉鐵人賽對自己的學習進行督促!!! 希望大家能夠多多指教
