你真了解資料嗎?試試看視覺化分析吧! 今日學習目標 探索式分析 (EDA) 聊聊何謂 EDA,為何要做數據分析? 撰寫第一支 EDA 程式 透過鳶尾花...
碰撞器2D (參閱Collider 2D) 碰撞器可以讓物體碰撞停下、設定障礙物;也可以達成撿金幣、攻擊...這類物件偵測事件。 如何偵測兩個物件接觸? 碰撞器...
如標題,這篇想用「圖解」去解釋河內塔的「程式遞迴執行順序」為何因為當初C有一項作業,叫我們用程式去寫出河內塔的執行結果 但我實在是不會寫,於是去網路上查,雖然是...
摘要 前言 工具 流程 前言 【第3天】資料前處理-YOLOv4與自動框選中文字曾提及,Windows + YOLOV4在呼叫本地端GPU時出現異常,...
看完這篇文章你會得到的成果圖 這次是我初學 PyQt5 的一些筆記,每天都學一點點,至於整理的部分就慢慢一個個來畢竟知道 PyQt5 有很多東西XD 此篇文章...
風險 表示發生,可能會對價值或資產造成負面的衝擊。風險是外部威脅利用弱點對內部資產造成衝擊的可能性。 上篇講完用高層訪談,驗證完組織全景跟資訊安全管理系統框架,...
上篇所提到的 TCP/IP,將網路通訊模型分成四層。今天來簡單聊一下這四層分別為何、在做什麼事,身為一名開發者,要如何融入這個架構裡呢? TCP/IP 四層架構...
1.前言 鐵人賽參賽的第一個週末(打卡),今天將帶各位開始進入到開發階段,廢話不多說,趕緊往下看吧! 2.準備事項 作業系統 Windows 10 編譯器...
在Hazard尋求解法是否搞錯了什麼 tags: IT鐵人 Stall 上一次講到了三種Hazard: 類型 原因 Structural Haza...
前面,我們知道為什麼會看到CORS的錯誤訊息,也簡單的知道如果我們要在瀏覽器上跨來源存取API資料,就要通行證,新的http header,那這個通行證是什麼呢...
CatBoost 今日學習目標 了解 CatBoost 模型 實作 CatBoost 迴歸模型-房價預測 模型訓練、特徵篩選 超參數搜索 自動處理類別型的特...
問題回答 scoped 屬性的作用是避免父元件的 CSS 樣式會污染到子元件的 CSS 樣式。Deep selector 的作用是相反,即使在父元件設定了 sc...
1.前言 今天我們將進入到Esp32結合Line的推播服務(開始變得有趣起來了呢!)相信這應該也是大部份小夥伴期待已久的系列內容吧?! 這篇會使用到Esp32s...
本系列文之後也會置於個人網站 終於要來好好介紹一下甚麼是Keycloak了~ 收先先來看一下Keycloak的基本資訊: 名稱: Keycloak 開...
💡 開始使用 Git 之前,我們需要先設定使用者名稱及電子郵件地址。 為什麼需要設定用戶名稱及 E-mail 信箱? Git 在每一次提交專案時,都會提供這些...
整體學習 (Ensemble Learning) 今日學習目標 了解整體學習 何謂整體學習? 三種不同的整體學習 Bagging、Boosting、S...
206. Reverse Linked List 這是一個「鏈結串列(Linked List)」的題目,鏈結串列是資料結構中重要的結構之一,利用指標的方法串接...
上篇介紹了CSS Flex,這篇想來聊聊CSS grid到底是什麼東西 這裡想先給大家一個觀念:Flex和grid它們並不是死對頭,它們是「好戰友」它們的出現是...
前言 鐵人賽進入第十九天,今天要來講講如何用Docker 打造程式開發環境Docker 的維基百科 Docker 是一個開放原始碼軟體,是一個開放平台,用於開...
哈囉~這是霓霓第一次參加鐵人賽,為了這一天,我準備了兩個月,為初學者準備的四個學習配方,包含:30個不可不學的Python入門語法技巧、每個知識點所需的隨堂練習...
Q1. linked list是什麼 是一種資料結構,透過很多節點(Node)串接成一個 linked list 型態的資料。 以 python 宣告的 Li...
前情提要 前一篇文章帶大家看了 Python 中的條件判斷以及迴圈等語法,大家要先把這些基本語法用熟,之後的幾天會比較順利歐。 開始之前 Day 2 有帶給大家...
每個人的性格不同,不要去追求所謂的完美解答;而是去尋找適合自己的環境。 這邊筆者依照類型統整了經常遇到的經典面試題,並附上筆者認為回答時要注意的重點與忌諱。...
本篇要延續DataTables介紹,如何引用拓展包呈現響應式版本 好心建議要先看: 第11車廂-table界的神器!DataTables介紹篇(1)...
類別 類別裡封裝了變數和函數 被封裝在類別裡的變數稱為屬性 被封裝在類別裡的函數稱為方法(方式、功能) 先定義類別,才能使用類別中封裝起來的變數和函數 具...
Optuna 今日學習目標 Optuna 如何採樣參數? 實作 Optuna 搜尋最佳超參數 以 XGBoost 迴歸模型於房價預測為例 Optuna 視覺...
首先新建好專案後 一樣記得要先弄好MVC服務注入跟MVC預設路由形式設定(可參考.NET Core第8天_路由端點的切換_注入MVC服務_利用middlewa...
標籤圖片的方法與實作 - Day 12 資料增量 (Data Augmentation) 的部份因為 YOLOV3 可以透過 cfg 檔的設定來自動進行資料增量...
在經過集成式學習(ensemble learning)之後的 tree based (像是 Random Forest, XGBoost, LightGBM)...
今日學習目標 如何選擇最佳的模型? 深入理解度擬合與欠擬合 Bias-Variance Tradeoff 如何避免過擬合與欠擬合? 前言 在機器學習中...