選手列表
敲碗數
0
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
敲碗數
0
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
敲碗數
0
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。
敲碗數
1
1.前言：此系列文章，乃「玉山人工智慧挑戰賽2021夏季賽」之比賽歷程與學習成果。 2.目標：透過Image Processing與Computer Vision演算法，準確辨識手寫中文字。 3.期望透過分享此次實作經驗，跟對影像辨識有興趣的朋友們交流，激盪出不同的解題思維。
敲碗數
0
本人目前持續學習數據分析和AI當中,包括常見的機器學習和深度學習,在學習過程中,才知道其實自己還有許多需要學習的地方,在自學了python和數據分析的方法(有關的套件和參數設定)之後, 也不敢說自己學的多深,只是突然會想了解它背後原理是如何完成?不單單只是知道原理,還想要知道背後程式碼,也就是演算法是如何在程式碼上實現
敲碗數
0
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
敲碗數
0
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！
敲碗數
3
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
敲碗數
0
本系列文章主要會帶大家跟我一起從基礎開始了解機器學習的概念以及技術，藉由這次比賽希望能在這30天搞懂機器學習的相關基本知識。
