選手列表
透過 30 天的鐵人賽文章,和各位讀者分享筆者參加 Google Data Analytics Certificate 課程的心得與筆記。
曾經被認為毫無出路的 AI 人工智慧,在深度學習技術獲得革命性突破之後,終於走出 AI 的冬天。過去的AI學習很少輸出成文章,借此競賽試試看!!
當初想把一些數據搞清楚,然後就學了些AI理論,再嘗試用程式實作。
以公開資料為例,使用 Tableau Public 分析並製作適合的視覺化圖表,方便分析人員進行簡報與結論探討,並提供決策方向給讀者參考。
Kaggle ML 30 Days- ML的零經驗的技能提升心得以及相關學習資源整理 回歸模型建立的步驟案例分享 LeetCode SQL的刷題整理 AB Testing的學習紀錄 機率統計的商業應用整理 (以上內容看實際狀況分享)
在疫情之後,後疫情時代來臨,所有生活的面向,將會因為運用科技而有所改變,AI的科技與應用將會越來越廣泛,面對這樣的情況之下,未來的人們將如何應用AI的技術,並且普及,還有哪一些地方是可以想像並且運用的呢,隨著科技的技術進步與革新,將會有越來越多顛覆性的發明及運用,何不大膽想像,小心發明運用及發展驗證呢?我將帶領大家打開想像力,結合現有的技術,引領大家朝著未來發展
複習統計、資料分析方法、資料視覺化和產業分析運用
AI世界就像一道高牆,對於初學者來說未知且高深莫測,希望透過三十天的挑戰回顧所學,帶領初學者們越過高牆,來到資料科學的領域中一探究竟,除了基礎的理論知識,會更著重於實作,透過一些經典資料集和知名平台競賽來做為範例,解決初學者無從下手的窘境!
在這30天中,我會分享自己在完成機器學習專案所用到的各種工具。
把一個ML模型從研發階段進展到產品階段,需要有多少的關卡需要突破?這30天讓我們一起看幾個案例,從團隊、技術、流程三個方面思考,MLOps(Machine Learning Operations)的範疇以及實作過程會遇到的困難。除了案例分享之外,筆者也收集幾個客戶的常見問題,讓大家一起來想想,為什麼會有這些問題,可能的解法有哪些等等。讓大家在學習之餘,也透過別人的發問,反思自己目前在開發上遇到的狀況。