雅虎香港 搜尋

  1. 南方航空 相關

    廣告
  2. Search, Compare & Book Cheap Flights To Anywhere In The World. TripGenie saves you time by planning your dream trip for you!

    • Flight Schedule

      over 1,300,000 Flight Routes

      Find and Book the cheapest days

    • Flight Tickets

      Book tickets for routes worldwide.

      Save big on Trip.com.

    • Flight Deals

      Search flights to over 5000 cities.

      Quick, easy & payment is secured.

    • Train Tickets

      Home delivery

      No long queues at the train station

搜尋結果

  1. 2024年2月1日 · Transformer模型概述. Transformer模型是基於自注意力機制(self-attention mechanism)的一種架構,它能夠在處理序列數據時,同時考慮序列中的所有元素,這種全局視角使得Transformer在多個領域特別有效。 與傳統的遞歸神經網路(RNN)或卷積神經網路(CNN)相比,Transformer顯著提高了處理速度和效率,尤其是在處理長序列數據時。 Transformer的工作原理. Transformer的核心是自注意力機制,這一機制允許模型在生成輸出時評估序列內的所有單詞之間的相關性。 這意味著模型不需要按順序逐步處理資訊,而是可以平行處理,大大加快了學習速度。

  2. 2024年4月26日 · 這讓產品體驗與完成度提升了一個檔次。 當然,工程師的工作並不僅止於「生產程式碼」,在寫程式以外,AI 也能協助不同層面的工作。 對於「工程師如何運用 AI 提高生產力」,本文將按照工程師的職涯與類型,分別討論初階工程師、資深工程師與獨立開發者可以怎麼運用 AI 增強自己的表現。 初階工程師:與 AI 共學. 有個流傳起碼十年的老笑話是:工程師每天的工作,就只是去 Google 現成的解法,然後複製貼上 StackOverflow;如今,這個笑話可能會被改成「複製貼上 ChatGPT 生成的結果」。 Stack Overflow 甚至把這個笑話「具現化」成一個真的產品。 (圖片來源: Stack Overflow ) 初階工程師的工作,大多是完成指定的明確任務,並從中學習技術與協作能力。

  3. 2023年6月4日 · 1. 設計、開發和實施生成式AI模型. 設計階段: 確定最佳算法來實現預期結果,要求對各種生成式AI算法及其優缺點有深入理解。 開發階段: 包括用現有數據訓練模型並進行微調以提升性能。 實施階段: 將AI模型整合到現有系統中或圍繞模型設計新系統,需要強大的軟件開發理解能力。 2. 調整現有生成式AI模型. 調整和精煉預先存在的模型以增強性能、適應新數據或滿足特定項目需求。 分析模型行為,識別表現不佳或產生意外結果的領域。 可能涉及調整超參數、修改模型架構或豐富訓練數據集。 3.

    • 如何成為數據分析師:必備的工作技能
    • 數據分析師兩大工作內容:需求確認及分析
    • 專業的 Data Analyst 要有哪些特質?
    • 數據分析師薪水範圍
    • 數據分析師的職涯發展路徑與選項

    數據分析師必備的三個技能: 1. 1.1. 數據處理和分析能力:這是數據分析師的核心技能。他們需要掌握如SQL、Excel、R或Python等數據處理工具,並具有使用統計方法進行數據分析的能力。 1. 1.1. 數據視覺化:能將數據視覺化是數據分析師必備的技能之一。這需要掌握如Tableau、PowerBI等數據視覺化工具,以便能將複雜的數據以易於理解的方式呈現給決策者或非技術人員。 1. 1.1. 業務理解和問題解決能力:優秀的數據分析師不僅需要技術技能,還需要對業務有深入的理解,以便將數據分析應用於實際問題。他們需要能從業務的角度來理解和解釋數據,並能提出基於數據的解決方案。 三個成為數據分析師的學習重點:專業技能、產業知識、及批判性思考: 1. 1.1. 專業技能:Excel、程式語言...

    資料分析師一天的時間分配,工作有一半時間在做分析工作「SQL 跑資料、畫報表」,然而每天花最多時間的,反而是「需求確認」!與部門同事討論、了解他們的資料分析需求。例如: 1. 1.1. 為什麼他們需要資料? 1. 1.1. 這些資料能夠解決他們的問題嗎? 1. 1.1. 除了他們所需的資料,我們如何挖掘其他資料,幫助他們了解的更多? 從事數據分析工作通常要經歷幾個步驟 1. 1.1. 定義要解決的問題 1. 1.1. 收集正確數據 1. 1.1. 清理數據 1. 1.1. 數據分析與解讀 關於這些步驟更詳細的說明,請看〈資料分析 5 步驟〉這篇文章 數據分析的類別大致上有這四種: 1. 1.1. 描述分析(Descriptive analysis):描述性分析回答 What happened...

    1. 好奇心

    好奇心驅動數據分析師不斷追問和探索數據背後的真實含義。這種特質促進創新思考,能夠引領分析到更深層次。在解決具有挑戰性的問題時,好奇心也可以幫助分析師發現新的解決方案和視角。

    2. 批判思考

    批判思考允許數據分析師理性分析數據,避免受到偏見和誤解的影響。這個特質不僅提高了分析的準確性和可靠性,還幫助分析師更好地理解問題並提出有力的解決方案。

    3. 注意細節

    對細節的敏感有助於發現潛在的數據錯誤和不一致。這個特質確保分析結果的品質和準確性,並有助於避免在後續工作中出現成本高昂的錯誤。

    根據Glassdoor的資料,在台灣的數據分析師工資大概在年新月薪4萬到14萬之間,基本上是看資歷與工作經驗。電商的數據分析師職缺也很多,大部分的薪資都在四萬之上,根據1111人力銀行統計,目前數據分析師這個職缺就有近8000個工作機會。如果看國外網站ERI的薪資情報,台灣數據分析師的年薪平均數和中位數都在150萬。 不同的產業也都對數據分析師的需求非常旺盛,從軟體業到傳統的金融業、房仲業,都需要數據分析師的相關人才。

    初級階段:數據分析師

    1. 1.1. 學習基礎技能:熟悉Excel、SQL和基礎統計學。 1. 1.1. 實務經驗:進行數據清洗、初級分析,以及撰寫數據報告。 1. 1.1. 軟技能培養:加強溝通與協作能力。

    中級階段:高級數據分析師

    1. 1.1. 技能深化:學習R、Python進行複雜的統計分析和數據處理。 1. 1.1. 數據可視化:精通Tableau或Power BI製作報表。 1. 1.1. 跨部門協作:參與業務策略規劃,進行業務分析和預測。

    高級階段:數據科學家

    1. 1.1. 機器學習:掌握機器學習算法,使用如TensorFlow或PyTorch等工具。 1. 1.1. 大數據技能:學習使用Hadoop、Spark等大數據處理工具。 1. 1.1. 專案管理:能夠主導大型數據分析項目。

  4. 2024年3月28日 · 目前只是理論存在在科幻小說與電影中。 弱人工智慧(Weak AI)或稱狹義人工智慧(Artificial Narrow Intelligence, ANI),指的是針對特定任務執行的AI,是真正在現代科技社會廣泛運用的AI形式,包含自動駕駛、語言辨識等應用。 我們目前真正在討論的 AI 大多是非通用型的人工智慧,是人類設計出來為了執行特定任務的弱AI,但弱AI其實並不弱,他有許多的應用深深影響我們的生活。 從資料分析入門課開始建立數據思維,4 週養成數據洞察力與實戰問題解決力. AI應用在哪些方面? AI擅長處理的問題,通常是資料量大樣本多,且與情境相關性低的任務,那到底現在生活中,實際應用AI在哪些方面呢? 主要有六個面向.

  5. 2023年11月28日 · 深度學習 Deep Learning 是機器學習的分支,大多數的深度學習模型是基於多層神經網絡 Neural Network 模擬人腦的工作方式,演算法在數據中自行在每層挑選哪些特定的特徵是相關再進行分析,隨著數據量越大,深度學習能夠每次對其結果進行改進。 ‍. 在從事機器學習時,一開始會從收集數據並清理整合的準備開始,接著將數據轉換成可以餵給模型的格式,並萃取出有意義的特徵,接著選擇適合你預期目標的模型後開始訓練。 並用一些指標來評估模型並作參數的調整,接著Input更多的數據來測試模型,然後作出Output預測。 深度學習是機器學習的子集,機器學習是透過工程師在訓練數據的input與output給予一定程度的指導,讓機器從累積的訓練數據中學習後得出最佳解。

  6. 2024年3月27日 · 誰需要刷LeetCode. 其實刷 LeetCode 的需求,往往有幾種背景需要練習:. 學習過大學資料結構與演算法課程的學生。. 想要進入大公司的求職者。. 想要學習新語言特性的學習者。. 題庫刷得再多也要記得,專案的能力也要一併培養。. 刷很多題庫卻沒有規劃專案的 ...

  1. 其他人也搜尋了