碰騰-Information

 111/11/7-11/13 ： 心得： 本週意外找到「數學基礎與高階」的視頻教學，老師免費教學。 學習機器學習要先了解統計學，而非先了解機器學習，相反過來。 看不懂的地方先跳過(如正則化的L1、L2實際差異與公式)，先了解其原理，之後在回頭複習。 程式篇 二次函式程式呈現 Django：安裝虛擬環境、git版本連接、安裝django。 演算法-資料結構： 鏈結串列： 結構(python class)、節點、資料與指標、讀取、新插入、刪除； 循環鏈結串列、雙向鏈結串列、時間複雜度(vs Array) 佇列 數學篇： 觀念： 最小平方法應用：了解其觀念及何謂線性迴歸、理解公式推導過程、使用numpy的polyfit()方法。 複習集合、排列組合、重複排列、組合 統計篇： 書本： 資料品質、母體、測量、抽樣；抽樣母體誤差、倖存者偏誤、自願者偏誤、沒觀者誤差 測量誤差、隨機誤差與偏誤。 線上： 統計學目的 了解抽樣、尺度 ML篇： 閱讀導論篇章：AI認識、神經網路、圖像識別、視頻識別 TensorFlow： Playground理解深度學習概念：調整超參數及觀察資料問題結果。 MNIST手寫數字：介紹、基本操作、顯示單筆及多筆影像 聯成OpenCv-Day1複習：影像基本操作 使用numpy.array 存取影像 隨機產生二維亂數組，模擬灰色影像並修改像素值。 讀取灰階影像並修改像素值 隨機產生二維彩色影像，並修改像素值 擷取ROI，一個區域/範圍的圖 應用：局部馬賽克、移花接木圖片 取得影像屬性：shape、size、dtype 影像加法運算練習：陣列相加 影像加權方法練習：addWeighted()方法、兩圖片加權練習。 聯成OpenCv-Day2課程： 認識ML、練習手寫數字資料集、K最近鄰法

 111/10/31-11/6 這禮拜比較偏向學習原理及數學公式複習，也開始理解統計學的領域內容。(大學上課都忘光，標準差等) 程式篇 演算法：陣列認識及方法介紹(array()、index(x)、insert(i,x)、append()、remove(x)、pop(i) 字串方法應用(map、lambda等)。 數學篇： 二次函數：公式、關係、係數、最小與最大值、繪圖 統計相關： 資料特性(測量、難處、認識誤差) 隨機誤差與偏誤(差異、機率分佈、離散與連續、平均變異標準) ML篇： TensorFlow：深度學習原理介紹、TensorFlow Playground使用 聯成OpenCv-複習Day1：上週程式(影像操作) 讀取影像並顯示、同時讀取2個畫面

 week2：111/10/24-10/30 這個禮拜報名的課程開始上課，只有跟到30分鐘的課程，後續要教課，只能在另外看影片檔案，好可惜沒辦法馬上跟老師有互動。 數學篇 排列組合 畢氏定理、應用 聯立不等式與機器學習 資料科學：測量、資料誤差 函式庫篇 TensorFlow2(基本、開發工具) 程式： Python語言 Requests：BS4 擷取、計算、排序、下載與儲存圖 list、tuple、set、dict 特性及差異 for 的串列解析式 字串格式化 functions&methods：def、local and global、參數引數、return、import 演算法： 排列組合特性 時間、空間複雜度認識及繪圖 聯成篇： 書籍領取 Day1，課堂介紹、AI初步認識、OpenCV介紹及基本應用 問題：程式bug，常見類別是依照書籍範例後有問題，去調整。 (已解決)購買與租相關書籍 (已解決)code1: only integer scalar arrays can be converted to a scalar index x and y must have same first dimension, but have shapes (5,) and (1,) (已解決)code2: min() 方法問題，名稱一樣不可：'float' object is not callable