iT邦幫忙

google相關文章
共有 275 則文章

技術 各國干預Google程度 | Top15 各國政府要求Google移除內容數量 | 台灣也上榜了!!

各國政府機關和法院經常提出要求,希望從 Google 產品中移除某些資訊。Google會審查這些要求,並根據相關法律或Google的產品政策,判斷是否應移除相...

鐵人賽 DevOps DAY 7

技術 Day 7 - Borg Omega and Kubernetes,其他困難的開放問題

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 DevOps DAY 6

技術 Day 6 - Borg Omega and Kubernetes,Google 十餘年的容器化技術,前車之鑑 (Things to avoid)

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 DevOps DAY 5

技術 Day 5 - Borg Omega and Kubernetes,協調管理只是開始,而不是終點 (Orchestration is the beginning, not the end)

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 DevOps DAY 4

技術 Day 4 - Borg Omega and Kubernetes, 容器作為管理單位 (Container as the unit of management)

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 DevOps DAY 3

技術 Day 3 - Borg Omega and Kubernetes, Google 十餘年的容器化技術,應用導向的架構 (Application-oriented infrastructure)

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 Modern Web DAY 11

技術 Google vs. Yahoo! 搜尋模式的被改變

在前面的十天我介紹了一些思考和設計的大原則,像是網頁設計的易用性原則、完形心理學、在講解設計原則後回到促進創新思考的工具,像是設計思考的五個步驟、小工具介紹包含...

鐵人賽 DevOps DAY 2

技術 Day 2 - Borg Omega and Kubernetes,Kubernetes 的前日今生,與 Google 十餘年的容器化技術

本文同步刊登於個人技術部落格,有興趣關注更多 Kubernetes、DevOps 相關資源的讀者,請務必追蹤從零開始的軟體工程師之旅,喜歡的話幫我按讚分享、歡迎...

鐵人賽 Microsoft Azure DAY 3
Pyhon X 金融分析 X Azure 系列 第 3

技術 【Day3】取得資料-Google Sheet:股票開高低收

這邊會介紹用簡單的方式取得股票資料,並且記錄成csv檔案。 在做分析前,最重要的是資料,沒有資料就無法分析。 取得資料最簡單的方式,莫過於善用網路資源,其中網...

技術 Google我的商家介紹:線下業者如何經營Google地圖

在我的商家懶人包一文中,已針對 Google 我的商家進行初步的介紹,像是我的商家帳號申請、我的商家評論經營等,還不清楚 Google 我的商家基礎功能的讀者請...

技術 Google 2020 5 月份核心演算法更新,命名為『May 2020 Core Update』

簡單點說,因為 COVID-19 對全球帶來嚴重的影響,人們的生活作出了重大的改變,繼而影響了全球人類的搜尋意途和目標, 全面受影響的例子: 自助旅行、旅遊相...

徵才 [台北][40K~50K] 歐思科技誠徵 wordpress網站設計師(MIS)[網站設計部]

工作內容: 官網網站設計及googleSEO簡易操作 WordPress網頁修改、外掛 具備Adobe繪圖排版軟體基本能力 (Ps, Ai, In... etc...

技術 【Day30】4th:現實案例&機器學習總結(含雜記)

案例說明中,google有提供以下的建議: (文章:ML Systems in the Real World: Guidelines) (列表中會提供相近的本系...

技術 【Day29】4th:現實案例-隱喻和政治傾向

google和研究文學的教授一同研究,看能不能用隱喻的作品資料,去預測作者的政治傾向。在完成模型後,他們發現準確率超高,到底是為什麼呢? 文章:ML Syste...

技術 【Day28】4th:機器學習+現實世界-癌症預測

開始說明機器學習與現實世界的互動,本篇說明癌症預測 文章:ML Systems in the Real World: Cancer Prediction Go...

技術 【Day27】3rd:Playground-訓練模型(by TensorFlow)#2

現在使用TensorFlow來訓練我們的這個模組。 以下會有幾個步驟:開始準備、製作特徵、以年齡當做分類的特徵、定義模型特徵、訓練深度神經網路模型、評估神經網路...

技術 【Day26】3rd:Playgrand-公平(Fairness)#1

進入遊戲區體驗Fairness的機器學習,將會練習之前所說的不同的差異以及用子組合,來評估模型性能。 文章 (本篇分成兩章文章) 開始前 資料:用成人普查收入...

技術 【Day25】3rd:Fairness-評估偏差(evaluating for bias)

在評估模型的時候,會發現模型與結果有誤差,模型無法針對我們的測試集反映出真正結果,這就是評估的偏差(evaluating for bias)。這時候就是需要用到...

技術 【Day24】3rd:Fairness之確定偏見(Identifying Bias)

在資料中有哪些偏見會產生呢?讓我們看下去 文章:Fairness: Identifying Bias Missing Feature Values: 我們...

技術 【Day23】3rd:公平(Fairness)

人對於自己在意的東西都會有所偏頗,可能在給予資料的時候就在不知不覺中進行篩選。要如何維持中立,不偏頗呢?這就是本篇所要探討的重點。 文章:Fairness 在...

技術 【Day22】3rd:數據依賴關係(Data Dependencies)

在程式開發中,對於程式的品質非常重要,我們有各個種測試方式測試,最常用的就是單元測試(Unit test)。但是機器學習沒有這樣的機制,只能用直接輸入數據,直接...

技術 【Day21】3rd:靜態推理vs動態推理

本篇要學習靜態和動態推理,這是在機器學習中所要選擇的兩種不同推理。 文章:Static vs. Dynamic Inference 在設計機器學習中,有一環要...

鐵人賽 Mobile Development DAY 21

技術 [Day 21] Swift 餐廳詳細餐單資訊實作 (三) - Google Map 地圖 GMSMapView 新增

簡要 現在要把上面一篇的功能 整合到外送APP 先來看原生Uber eat 有什麼元件 裡面應該是只有Google Map 標記於101附近 並且顯示兩個點...

技術 【Day20】3rd:靜態與動態訓練(Static vs. Dynamic Training)

文章:Static vs. Dynamic Training 進行模型訓練方式依據資料是否會變動,將分成兩種方式:靜態(static)和動態(dynamic)...

鐵人賽 Mobile Development DAY 20

技術 [Day 20] Swift Google Map 地圖 GMSMapView 實作運用 標記 定位 大頭針

簡要 現在Google Map應該是很多人都會使用 不管是APP或是Web都很好用 查詢地點規劃路線 公車資訊 要搭幾號車 其實上面都有呈現 還有路段的壅塞程度...

技術 【Day19】3rd:Google機器學習環境

本篇會講一些Google提供的機器學習之環境到底是怎樣,如何協助我們。 文章:Production ML Systems 這是課程中描繪的圖片: 明顯的看...

技術 【Day18】2rd:Feature Crosses #3-遊戲時間

這幾天提到的概念:Feature Crosses、Feature不能太多等等,聽起來是一回事,但做起來又是另外一回事。本篇會稍微玩一下遊戲區,看看這些概念到底在...

技術 【Day17】2rd:特徵十字(Feature Crosses)# 2 -One-Hot Vectors

為解決無法用「線性函數」做區別的資料,除了前一篇所言,還可以使用「Crossing One-Hot Vectors」。 (也許可以說「一個熱鍵」?) 文章:c...

技術 【Day15】2rd:表現(Representation)

先前說了資料集的處理及分配,但是到底資料要如何提供呢?怎樣的資料才是好的呢? 資料處理是機器學習重要的一環,資料找出特徵,讓資料得以表現出他的價值,也就是可以給...

技術 【Day14】2rd:驗證集

有了訓練、測試等資料集,要驗證模組是否正確,也就需要驗證集(validation data) 〈圖一、訓練與測試集〉 我們把資料分成兩個部分,一個是訓練集,...