選手列表
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。
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!
複習統計、資料分析方法、資料視覺化和產業分析運用
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
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)
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。
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。
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!!
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。
過往對於 data pipeline 處理與排程,最常透過程式的方式去控制,但隨著時間演進,pipeline 管理也會跟隨著複雜化,再加上比較難以去實現到 streaming 的 pipeline,通常只能用於 batch 方式居多。因此來介紹一個好用的工具 - Apache NiFi。讓使用者可以透過無需撰寫程式的方式即可訂定與管理自己的 data pipeline,且支援 batch 和 streaming 的流程,過程中會從簡介與架構、環境建設、cloud stroage 和 DB 的對接、data transformation等,甚至到最後也會有個與其他類似工具的比較與使用場景分享。