選手列表
本次挑戰要完成如何用 YOLO 來對觀賞魚進行辨識的全端實作,包含後端 API,後端模型訓練以及前端手機開發,讓使用者可以透過手機上傳一個圖片來完成觀賞魚的辨識。全部的開發環境會在 AWS 中完成,目前暫定用 EC2 來進行訓練以及預測,如果可以,會希望用 AWS SageMaker來完成,已達到無服務器的理想。
資料專案的類型可以依照資料產品特性分為原始資料、加工資料、模型、輔助決策以及自動決策等五種。這五種產品在開發與設計上有各自需要注意的地方,彼此在應用上也互相關聯依賴,這種特性造成了資料產品或專案在開發以及管理上的困難。 這系列文章會將過去處理過資量產品的經驗,轉變成更有系統的管理以及開發方式,讓資料科學家、工程師、專案經理以及需求方都能夠站在相似的基礎上來討論事情,讓資料產品開發專案過程更為順利。
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。
比爾蓋茲在2017年5月15號的時候,在Twitter上面分享:『AI, energy, and biosciences are promising fields where you can make a huge impact. It's what I woul』。從這邊可以理解到如何讓AI與生命科學相遇將是很重要的方向,且已經發生,這三十天內將分享當機器學習與基因體學相遇、數據科學在生物資訊中的角色、基因資訊的數據長什麼樣、介紹Bioconductor, R, Biopython, Azure notebook、以及如何利用這些技術來追蹤COVID19!
目前正在做的事情是嘗試把一個人的聲音轉換成另一個人的聲音,現在做到使用 AUTO-VC 轉換,未來正在實驗自己的 Model ( 目前用的是 Tramsformer ) 這個過程遇到了不少問題,因此想要紀錄一下,也跟大家分享。
目標是做出一個人臉表情辨識的手機版應用程式,可能會用到的工具有Python、Visual Studio Code、Kotlin和Android Studio。從零開始清理資料、建立模型、製作程式介面到部署模型。這過程中有許多技巧和理論,也可能會遇到一些問題,想透過這30天跟大家分享。
如果早知道訓練完的模型也會被放置play。。。 來聊聊關於模型轉生變成產品這檔事吧
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。
AI在音樂上的各種應用, 在近十年來已有了許多蓬勃的發展, 同時也有不少令人經驗的成果。 這系列的文章會以不具備音樂與程式背景的人都能夠簡單的理解這些技術的背景以及目前所發展出來的應用,希望能夠同時幫助到 : 1. 對AI音樂有興趣但沒有但多音樂背景的IT人。 2. 對AI應用在音樂領域上感興趣想知道如何使用但沒有資訊背景的音樂人。 3. 任何對此主題有興趣的人。
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