選手列表
與機器學習有關,會建立一個網頁來展示, 會使用一些常見的機器學習功能做範例,如人臉辨識、情緒辨識等。 任務: 收集資料 訓練神經網路 包裝成web API 寫前端網頁使用 API 支線任務: 學習 TensorFlow.js 學習網頁設計軟體 學習一種前端框架 學習使用 heroku 提高預測準確率 學習其他種類的機器學習模型
1.甚麼是auto-ML? 2.為什麼要選NNI? 3.NII可在那些環境玩? 4.在AML(Azure Machine Learning)上玩,前置作業為何? 4.1Windows連上AML,安裝Azure CLI。 5.Pytorch的”Hello World”—MNIST 6.單一實驗,可在本機端玩一玩。 7.Hyperparameters的組合不少,會頭昏。 8.讓NNI上場,讓大家可翹腳玩Game、看片。 9.騙你上車後,其實還有未盡之處…
AI在音樂上的各種應用, 在近十年來已有了許多蓬勃的發展, 同時也有不少令人經驗的成果。 這系列的文章會以不具備音樂與程式背景的人都能夠簡單的理解這些技術的背景以及目前所發展出來的應用,希望能夠同時幫助到 : 1. 對AI音樂有興趣但沒有但多音樂背景的IT人。 2. 對AI應用在音樂領域上感興趣想知道如何使用但沒有資訊背景的音樂人。 3. 任何對此主題有興趣的人。
你身為學生常在網路上或同學說網路爬蟲現在很流行,想知道這到底是甚麼?學習了 requests + beautifulsoup 爬蟲,想了解更多網路爬蟲技巧但缺乏實戰?或是辛辛苦苦寫了一隻網路爬蟲,但被網頁的反爬蟲技術擋下? 30 天簡述多種類型網路爬蟲與原理,並佐以基礎知識及實戰演練。常見反爬蟲技術及可行應對方案。
如果早知道訓練完的模型也會被放置play。。。 來聊聊關於模型轉生變成產品這檔事吧
目標是做出一個人臉表情辨識的手機版應用程式,可能會用到的工具有Python、Visual Studio Code、Kotlin和Android Studio。從零開始清理資料、建立模型、製作程式介面到部署模型。這過程中有許多技巧和理論,也可能會遇到一些問題,想透過這30天跟大家分享。
過往對於 data pipeline 處理與排程,最常透過程式的方式去控制,但隨著時間演進,pipeline 管理也會跟隨著複雜化,再加上比較難以去實現到 streaming 的 pipeline,通常只能用於 batch 方式居多。因此來介紹一個好用的工具 - Apache NiFi。讓使用者可以透過無需撰寫程式的方式即可訂定與管理自己的 data pipeline,且支援 batch 和 streaming 的流程,過程中會從簡介與架構、環境建設、cloud stroage 和 DB 的對接、data transformation等,甚至到最後也會有個與其他類似工具的比較與使用場景分享。
複習統計、資料分析方法、資料視覺化和產業分析運用
【鮭魚均】 現職是 200 多萬訂閱 Youtuber 的數據分析師,專長在 Python 的開發與使用,大學雖然是資訊背景但總是斜槓跑到商管行銷領域,以工作角度來說的話,待過 FMCG、通訊軟體、社群影音產業,也算是個數位行銷體系出生的資訊人。這 30 天鐵人挑戰賽會從數位行銷角度去重新切入數據分析這件事情,期待這個資本主義的社會中,每個人能在各個角力間不斷沖突而漸能找到一個平衡點回歸最初的統計建立最終的初心。
比賽開始前一天的我已經想要放棄了,趕緊把題目改一改,就看我當天想學甚麼吧,非常可就是找題目來寫呢,或是學一些簡單的東東