選手列表
內容會分為下面幾個主題: 1. 人臉辨識與人臉識別 2. 人臉lankmarks 3. 戴口罩後的人臉是不同人? 4. 讓你的臉與電腦互動
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。
哈囉大家好我是10程式中的10!我是上一屆鐵人賽影片教學組[全民瘋AI系列]的作者,當時講解了人工智慧的基礎以及常見的機器學習演算法與手把手教學。由於大家反應很熱烈,讓我看到了大家對於AI的學習熱忱。因此我想藉由這一次鐵人賽將上一屆的影片內容整理成電子書版本,提供大家影片教學與文字版的筆記內容。在全新的[全民瘋AI系列2.0]中我會介紹實用的機器學習演算法並含有程式手把手實作,以及近年來熱門的機器學習套件與模型調參技巧。除此之外我還會提到大家最感興趣的AI模型落地與整合,以及模型訓練時所需要注意的大小事。希望在這次的鐵人賽能夠將AI的資源整理得更詳細並分享給各位。
讓"人人都是數據分析師"不再只是農場文章標題, 介紹為什麼與如何選用AWS雲端資源; 實踐利用雲端平台處理大小量資料, 體會在巨人們的肩膀上看得更廣更遠!
利用這30天紀錄機器(深度)學習在語音相關領域應用的場景,以及實際實作時會用到的技術、方法、工具等。
主題是【從資料庫到資料分析視覺化】, 希望可以更深入的了解data, 從資料庫的架構,資料的攫取,資料清理, 結合統計學到的知識挑出有用的數據, 最後加以視覺化。 主要還是邊做邊學, 看哪個部分是自己有興趣,或是想要加強的, 看是想要加強統計、決策分析、演算法、數據探勘、machine learning 還是NLP , 讓大三選課更有方向! 也可以同時思考自己適不適合走data, 因為也要挑研究所的program了~
晚餐沒有頭緒?召喚一下Google Assistant馬上獲得靈感。疫情期間宅在家上Netflix追劇,平台總能掌握自己的喜好推薦新的影集。寫畢業論文卻苦於自己的菜英文,Grammarly還能幫你檢查文法和甚至建議你更道地的用詞,讓指導教授對你的文章嘖嘖稱奇。得力於蓬勃發展的深度學習演算法,自然語言處理使得我們的生活充滿便利。本系列前半部分將介紹自然語言處理的基本流程與重要技術,後半部分則著重在神經機器翻譯(neural machine translation)系統的開發實務。接下來的30天,我會按照上述脈絡整理我所學習的重點,盡量以淺顯易懂的方式呈現給大家。
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。
以機器學習的方式研究股票運作, 從零開始建立AI專案,入門零門檻, 循序漸進的帶你步入AI領域, 網路爬蟲、資料工程、大數據分析、深度學習模型, 30天後上述東西你都可以學會, 還不快訂閱,跟著我一起開始套牢生活!
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%