選手列表
透過實作以下案例來介紹如何透過AWS服務建立Data Analytics Pipeline 案例如下: 1. 網站 Google Analytics 分析 on AWS 2. 伺服器效能監控 on AWS 3. 資安攻擊分析 on AWS
延續上一屆寫到一半的主題 https://ithelp.ithome.com.tw/users/20130395/ironman/3602, 繼續做 Design Data-Intensive Applications 這本書的摘要 + 經驗分享吧!
【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。
以後端工程師的身份角度出發,分享我們從零開始摸索機器學習,與試圖理解相關必要的基礎知識之後,嘗試應用的心得,搭配google提供的GCP Vertex AI工具實作。
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
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。
身為一個碩二即將要畢業的人 利用這30天來survey論文題目
為什麼標題是羽化為資料科學初學者,而不是資料科學大師? 因為阿~怎麼可能有人能在30天就專精這個領域呢~ 正題: 本篇將教你認識 numpy、pandas、pytorch、sklearn、seaborn 各套件 注重於如何實際操作 為你整理各套件的實用方法 最後實際帶領操作Kaggle Titanic 進入前5%
你是否曾試想過出一張嘴就能獲取一切資訊的情境呢? 在Google、Amazon、Apple發表各家的語音助理後,這個想像逐漸在現實生活中真實上演。 各家巨頭為了增加使用情境,皆以不同程度開放第三方開發者能建構自己的APP並上架供使用者使用。 在這一系列的文章中,將帶領各位一窺背後的開發流程。 從了解「語音使用者介面設計」,到使用DialogFlow手把手建構出一個屬於自己的Google Assistant APP。 最後,將帶領各位看看語音對話為基礎的APP能在哪些地方提供更實用的協助。 希望這一系列文章結束後能讓你加入開發的行列!