選手列表
敲碗數
0
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。
敲碗數
2
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！
敲碗數
0
複習統計、資料分析方法、資料視覺化和產業分析運用
敲碗數
0
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
敲碗數
0
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)
敲碗數
0
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。
敲碗數
0
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。
敲碗數
2
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！！
敲碗數
5
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。
敲碗數
2
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。
