第三十天，我們終於抵達了這趟 30 天馬拉松的終點線！從第一天建立虛擬環境、摸索 NumPy 陣列矩陣運算，到利用 Pandas 進行各種棘手的資料清洗、時間序...
第二十九天，也是我們鐵人賽技術實作的最高峰！在過去的 28 天中，我們從最基礎的矩陣處理、數據清理、分組視覺化，一路走到監督式學習（回歸、決策樹、隨機森林、XG...
第二十八天，我們進入了鐵人賽的最後衝刺階段！在過去兩週內，我們陸續學過了Logistic Regression、Decision Tree、Bagging 集成...
第二十七天，我們要探索在各類 Kaggle 數據競賽與工業界應用中表現亮眼的代表性架構——Boosting。在 Day 20 介紹的隨機森林屬於 Bagging...
第二十六天，我們要回到連續型數值的預測任務，深入探討傳統線性回歸（OLS）的兩大致命傷——多元共線性 與 模型過度擬合。當輸入特徵數量眾多且彼此高度相關時，普通...
第二十五天，我們要探討模型訓練完成後，如何邁向實際應用與工程落地的核心步驟—— Model Persistence 與 Inference Pipeline。在...
第二十四天，我們要面對現實資料科學中最具挑戰性的痛點——類別不平衡（Class Imbalance）。在信用卡盜刷偵測、罕見疾病篩檢或設備故障預測中，正樣本（少...
第二十三天，我們要進入機器學習工程師最關鍵的調校利器——交叉驗證（Cross-Validation） 與 超參數網格搜尋（GridSearchCV）。在前面的篇...
第二十二天，我們要探討資料科學領域經典的資料壓縮與降維技術——主成分分析（Principal Component Analysis，簡稱 PCA）。在真實資料集...
第二十一天，我們要邁向機器學習的全新板塊——非監督式學習！在前面幾天介紹的線性回歸、邏輯斯迴歸與隨機森林中，資料都附帶了明確的解答標籤，模型的工作是去預測答案。...
第二十天，我們要進入現代機器學習中最實用且強悍的技術——集成學習。，昨天學到的單一決策樹雖然直觀好懂，但容易受到極端值干擾且極易過擬合。為了解決這個缺點，隨機森...
第十九天，我們要跨入具備非線性切分能力且直覺好懂的機器學習模型——決策樹（Decision Tree）。先前介紹的邏輯斯迴歸是在空間中劃出一條直線或平面，但現實...
第十八天，我們要繼續深化二元分類模型的評估指標。昨天我們認識了混淆矩陣，但混淆矩陣的計算高度依賴一個「預設分類門檻值（通常為 0.5）」。如果今天我們調整判斷門...
第十七天，我們要從「數值預測（回歸）」轉向機器學習另一大主流應用——分類問題（Classification）。昨天的線性回歸用來預測連續數值（如薪水、房價），但...
第十六天，我們正式踏入機器學習（Machine Learning）的領域！在昨天的半程專案中，我們完成了資料清理與特徵工程；今天我們要學習如何讓電腦「從數據中學...
第十五天！我們不知不覺已經完成了 30 天鐵人賽的一半進程。從最一開始的環境建置、NumPy 矩陣運算，到 Pandas 的資料清理、分組聚合、時間序列處理，再...
第十四天，我們正式踏入機器學習與進階數據建模的敲門磚——特徵工程（Feature Engineering）！乾淨的資料並不等於可以直接拿來給演算法計算的資料。例...
第十三天，我們要將前面所學的 Pandas 資料操作與 Seaborn 視覺化整合起來，進行資料分析領域最重要的標準流程——探索性資料分析（Explorator...
第十二天，我們要從基礎繪圖進階到統計視覺化利器——Seaborn。昨天使用的 Matplotlib 適合精細調整圖表細節，而 Seaborn 是建立在 Matp...
第十一天，我們要正式邁入「資料視覺化」的領域！在完成資料清理與計算後，一張直觀的圖表遠比一堆冰冷的數字更能傳達商業洞察。Python 最老牌且生態系最龐大的視覺...
第十天，我們來到資料分析非常核心的一大主題——時間序列資料處理。無論是電商交易紀錄、網站流量日誌還是股市行情，資料幾乎都帶有時間戳記。然而原始資料讀入時，時間通...
第九天，我們要解決資料分析中極為常見的需求——多表格整併（Data Merging & Concatenation）。在實際專案裡，數據很少單獨存放在同...
第八天，我們要進入資料分析中最具洞察力的核心技能——分組與聚合（GroupBy & Aggregation）。清洗完資料後，我們通常不會逐筆看原始紀錄，...
第六天，我們要進入資料分析實務中最耗時、但也最關鍵的環節——資料清洗（Data Cleaning）。在現實世界中收集到的數據很少是完美無瑕的，常因為問卷漏填、感...
第三天，我們要來認識 Python 資料分析的核心基石——NumPy。後續會大量使用的 Pandas 表格與繪圖套件，底層都是依賴 NumPy 進行高速的矩陣與...
在第一天完成開發環境建置與 Jupyter 配置後，今天正式進入 Python 核心語法。很多初學者直接跳進 Pandas 或繪圖套件時，常被各種資料取值方式搞...
本系列將用 30 天帶大家從零開始，循序漸進走入 Python 資料分析的世界。從最基礎的 Python 核心語法與環境建置開始，逐步推進到 NumPy 矩陣運...
至此，我們已經把 Hermes Agent 安裝完成，也知道 AI Agent 和一般聊天型 AI 最大的差異。但是知道概念，跟真的使用是兩件事情。很多人在開始...
這一年，我讓 AI（人工智慧）幫我維護一套真的在運作的產品。 不是練習專案。不是做一個登入頁。也不是只要畫面好看就好的展示頁。 而是一套 AI 客服 SaaS。...
今天終於從期末地獄中解脫 又回來繼續學習拉之前在使用中發現jieba在切割詞的時候不是很精準並查到可以使用hugging face裡面的一些模型可以更快速的投入...
Rson
iThome鐵人賽
看影片追技術