我想要在30天鐵人項中分享機器學習與深度學習的文章,並且透過論文的分享以更具有代表性的文獻作佐證,並結合財務金融與永續等議題為文章的豐富度做出更精緻的分享,讓今年暑假更有意義。
自學機器學習與深度學習的路上,順便彌補不足的基礎知識很重要。在利用ML/Neutral Network的技術解決問題時,程式的組織架構與邏輯往往反映一個人的思考...
設計演算法時,我們偏好做出一個等待時間最小化,且能夠有效分配工作與排程。 最大二分圖問題(Maximum Bipartite Cardnilaity Mat...
演算法的時間複雜度和空間複雜度是評估演算法效能的兩個重要指標,這些指標幫助我們理解演算法在不同情況下的效率和資源需求。 時間複雜度 (Time Complexi...
上一次我們提過用來衡量runtime和memoryusage的衡量方法,時間複雜度(Time Complexity)&空間複雜度(Space Compl...
根據CAR Theorem解決問題的重要程序步驟:(1) Criticality:探討問題的本質 (2) Abstraction:抽象化簡化問題。 (3) Re...
在進行貪婪演算法時,他採取step by step的前進模式,並在每一步中做當下最好的決策,而且不會回頭。對於greedy algorithm來說,最好的gre...
分治法(Divide and Conquer)把一個複雜的問題分成一個或多個相似的子問題,直到子問題能夠簡單求解,則此時原本的問題即為子問題的合併。 Weak...
上一章我們帶大家看過Divide and Conquer(D&C),今天要來介紹演算法中非常重要的動態規劃求解Dynamic Programming(D...
上一次我們提到動態規劃(Dynamic Programming, DP)是一種通過將問題拆分為較小的子問題並存儲這些子問題的解來解決複雜問題的方法。這種方法尤其...
這個章節我們帶到的概念是網路流Network Flow,這個演算法通常用於當我們需要解決涉及到資源分配、物流配送、網路連接等問題時。 網路流Network Fl...