選手列表
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
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。
【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。
Adapter 是能夠大幅縮短 Transformers 模型訓練時間,並保持原有表現,還使模型需要儲存的大小變得非常小的技術。 我在 2021 年 Google Summer of Code 的專案中,初次接觸 Adapter Transformers,在此將我的使用心得與大家分享。想要在 NLP 領域更上一層樓的你,絕對不能錯過!
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!
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
比賽開始前一天的我已經想要放棄了,趕緊把題目改一改,就看我當天想學甚麼吧,非常可就是找題目來寫呢,或是學一些簡單的東東
我將會用很入門很簡單的方式介紹機器學習,大分類主要以監督式學習及非監督式學習為主,目標是想要將機器學習的概念普及大眾,並且讓有興趣的人,可以透過我的文章,對機器學習有初步的了解
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。