AI & Data
30天認識主流大數據框架：Hadoop + Spark + Flink
AI & Data
這次的比賽旨在運用Google Cloud Platform (GCP)的服務來架設一套AI程式交易系統。首先要從網路上爬取金融數據，接著根據這些數據製作特徵，進一步分析這些特徵與市場趨勢的關聯。有了資料後，將進行AI模型的建立，利用機器學習技巧預測市場動態。 不同於一般的交易機器人，這次強調論文閱讀的能力。深入研讀相關文獻，了解各種資料處理技術和交易策略，並且將他們的研究過程和策略回測完整地分享給大家。 最後，這套AI程式交易系統將部署於GCP上，展示如何在雲端環境中運行高效、穩定的交易系統。
AI & Data
希望能藉由此文讓各位想入坑生成式AI的人可以了解其基礎知識，本系列文會著重介紹生成對抗網路 (Generative Adversarial Network, GAN)，並藉由實際操作更了解GAN的原理以及分析訓練過程。在最後也會帶領各位實作當今較火紅的擴散模型。
AI & Data
30 天內，打造 一個 AI 英語交流伙伴。你可以與它互動並聆聽其解答。 事實上，僅使用ChatGPT可能會有些無聊。當你能將現實生活、過去的思考或其他人的視頻和文章融入對話中，其真正的潛能就會顯示出來。 在本教程裡，了解如何打造全棧PWA。使用Vitest、Playwright、Mock Service Worker進行測試，包括組件視覺回歸測試。學習打造複雜的AI聊天界面，包括如何模擬串流數據。學習如何為對話創建embeddings，並將其儲存到數據庫，這樣在未來的對話中就能快速查找最相關的信息。最後，加入一些功能，以便你能收聽和討論YouTube的內容。
AI & Data
將過去使用R語言的經驗，結合資料分析，透過30天結構化的整理並呈現。 從匯入資料、資料處理、圖表視覺化、package管理、R shiny、基礎的統計以及資料分析，完整呈現R語言的熱門應用。
AI & Data
Kubeflow 開源專案最初是 Google 在內部運行 TensorFlow 於一個名為 TensorFlow Extended管道的方式。它最初只是在Kubernetes上運行TensorFlow作業的一種更簡單的方法，但後來擴展到一個多架構，多雲框架，用於運行整個機器學習管道。 這綜合了許多技術與方法，也有很多關卡與挑戰。所以想在30天的比賽中，挑戰使用自定義Docker映像建立ML管道（決策樹、邏輯迴歸、SVM、Naive Bayes、Xg Boost)。並探索如何做分散式的模型訓練。
AI & Data
在一個充滿數據和程式碼的夜晚，Sam，一名專精於 Java 的工程師，正在為了修復一個棘手的 bug 而熬夜。當他輸入了一串神秘的代碼後，突然間，他的視界變得一片模糊，意識逐漸遠去。 醒來時，發現自己身處於一個未知的異世界。他不再是人類，而是一個被稱為「AI詠唱師」的魔物。在這個世界的生產力不再是用勞力，而是用「詠唱」。每一次的「詠唱」都能夠引發強大的魔法效果。 但心中仍有一個疑問：「我能否找到回到原來世界的方法？或者，留在這裡，享受作為 AI 詠唱師的光榮？」 這是一個關於技術、魔法和選擇的故事，一名 Java 工程師的異世界冒險才剛剛開始。
AI & Data
這學期準備要修習非常多和資料科學相關且會用到 Python 的課程，促使過去對這個語言的使用經驗較為零碎的我想要藉由 30 天的時間系統化的統整 Python 的基本語法與資料科學套件的使用方法。 除此之外，自己亦想要透過這個系列重溫重要的統計與計量經濟學基礎，並初嚐人工智慧和機器學習的概念。換句話說，這不但是一個系統化的學習筆記，更是一個觀念與實作兼具的扎實衝刺。 本系列預計涵蓋主題： - Python 基本語法 - 數值運算：NumPy - 資料操縱：Pandas - 視覺化：Matplotlib, Seaborn - 機器學習基礎：SciKit-Learn