🔥 NT330 特價中
課程已於 2021 年 8 月更新
學習資料科學、資料分析、機器學習(人工智慧)和 Python 與 Tensorflow、Pandas 和更多 !
本課程的主題包括 :
資料探索與視覺化
神經網路和深度學習
模型評估與分析
Python 3
Tensorflow 2.0
Numpy
Scikit-Learn
資料科學與機器學習專案和工作流程
在 Python 用 MatPlotLib 和 Seaborn 做資料視覺化
轉移學習( Transfer Learning )
影像辨識和分類
訓練/測試並交叉驗證
監督學習 : 分類、迴歸和時間序列
決策樹和隨機森林
整體學習( Ensemble Learning )
調整超參數( Hyperparameter Tuning )
採用 Pandas 資料框解決複雜任務
採用 Pandas 處理 CSV 檔
採用 TensorFlow 2.0 和 Keras深度學習 / 神經網路
使用 Kaggle 並進入機器學習競賽
如何呈現你的發現並讓你的老闆印象深刻
如何為你的分析清理並準備你的資料
K 最近鄰( K Nearest Neighbours )
支援向量機( Vector Machines )
迴歸分析( Linear Regression/Polynomial Regression )
如何運用 Hadoop、Apache Spark、Kafka 和 Apache Flink
如何用 Conda、MiniConda 和Jupyter Notebooks 設定你的環境
配合 Google Colab 採用 GPUs
https://softnshare.com/complete-machine-learning-and-data-science-zero-to-mastery/
tensorflow影像辨識 在 [請益] OpenCV/tensorflow影像辨識請益，$2000 - 看板Tech_Job 的必吃
※ 引述《su35 (謠指部-指揮官)》之銘言：
: 1.標定雙目相機,單目也行只是距離會不太準
: 2.導入排球的cad檔（自己畫3d模型也行，反正只是個圓）
: 3建立3d的形狀搜索就可以得到相機到排球的座標系
: 目標在相機座標系的姿勢(1)-工具座標系
: 你在拿個標定板在球場上建立一個座標系-世界座標系(2)
: 得到(1)在去看球面的的哪一區域是殺球點去得到點的座標 再轉到轉成（2）
: 這樣就沒問題了
: 至於你朋友想搞懂我估計有點困難
: 尤其還是用opencv
: 他要是能夠在半年內懂一半的知識會2D座標 就已經很棒了
這樣講高中生聽不太懂八 我來幫忙加速個半個月好了
XX座標系的意思就是以XX當作原點(0,0,0)的意思
然後座標系互轉要有線性代數的概念 但此例還好都是標準基底
good luck巴 這題目不容易.
: ※ 引述《alexinusa (Alex)》之銘言：: 我有個升高三的朋友想利用暑假時間做一個跟排球相關的app幫助他的校隊練排球: 順便為他的科技業未來做準備: 這個app主要是用來追蹤排球的路線: 能判斷殺球點?
: 過去幾個月透過自學對 OpenCV 也有點認識 學習能力很強: 希望有專業人士能跟他聊一下給他建議: 他願意給前輩 $2000/hr 紅包當作感謝: 有興趣的前輩請站內信或 email ([email protected]): 跟我說您相關的?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.226.47 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1561706818.A.3EA.html
... <看更多>