選手列表
內容主要包含對資料分析的概念和實際操作 並且透過實際遇到問題的例子來提供說明 然後參賽順便當作筆記來用ヽ(・∀・)ノ
每次都說要參加,然後都赫然發現沒時間準備了。 這次看看能不能逼自己好好堅持個三十天的發文~ 內容納簡單涵蓋 python, Neo4j, 以及爬蟲實戰好了。 參考資料來源就是 kaggle, Neo4j-training-week,以及個人經驗 希望大家一起鼓勵 :)
微軟過去曾經推出 Azure Machine Learning Studio,用以加速 AI 相關的開發。但是隨著時間的過去,ML Studio 的功能已經漸漸不敷使用,微軟決定讓 Studio 在不久的將來退役,同時也建議使用者遷移到新的服務:Azure Machine Learning 上面。現在學 Azure Machine Learning 正是時候。本次鐵人賽會從 Azure Machine Learning 基本的觀念講解起,從環境架設到訓練模型再到部署,最後再帶MLOps在Azure Machine Learning 的一些作法。
分享如何收集及處理資料到建立專屬FF14資訊查詢用chatbot,除此之外也會介紹Discord chatbot python API基本用法
一起打開機器學習的窗戶,每天談論一點點模型介紹和Python資料分析相關例子
本系列文將借用 Google 提供的 Colab 平台,在上面執行 30 個影像分類訓練任務,每個主題都會探討在不同的狀況或不同的超參數對於同一個任務會有什麼影響,在面對不同的領域時,機器學習運作起來就像個黑箱子,很難第一次訓練就得到最佳解,只能透過不斷的調教來慢慢修正,本篇系列文會拿我在機器學習工作中,有時想到但沒有時間細察的假設問題來當主題,並且在 Colab 上實際執行看結果如何,會有滿滿的假設與實作!
利用Azure和各種框架進行深度學習,NLP,情緒識別的研究
python是一個好入手的程式語言,運算能力強大並且有很多ML相關的套件可以使用 之前在kaggle這個網站有學習一些python在ML上的操作,剛好這次可以利用30天的鐵人賽來複習並且翻譯之前的筆記,希望可以幫助到