最近太忙,加上Kidsread 提早開團焦頭爛額中,沒有認真宣傳到 #Kidsread新品首賣在大V!全品項都會開團,推坑你的好媽友一起擁有神奇小筆,讓 #救救媽咪破喉嚨 成為早教路上最溫暖的後盾。
這次我的新品是好幾本硬頁書,加上一本精選繪本,期不期待我的延伸應用啊👋
📌預計要添購新品的夥伴請幫我留言算數量,我來跟Kidsread 爭取除了首賣外的限量優惠!上次手偶書撐了半小時,我覺得剛剛好,不會太逼迫人又有搶購的樂趣。
Ps,好評不斷的手偶書完售絕版中,這次不會有喔~為了避免扼腕,新品喜歡請在首賣最優惠時買起來💪
順便統計一下,破喉嚨自製的JPR字卡還有多少人沒印到?如果有量我再去跟老闆談團印啦!
來複習之前寫過的全品項,本次新品預計在週日(9/26)早上上線,晚上十點準時直播,週一(9/27)早上九點先不當朋友五分鐘😆
【直播筆記】
🔸複習六月直播筆記:https://fb.watch/8clh3Gv3pi/
🔸複習一月直播瞭解之前的品項:https://reurl.cc/AkyRVp
【#kidsread教材心得與連結】
🌟大V新品首賣最優惠🌟
⚠️延伸教材是「電子檔」請自行下載使用或是到時候破喉嚨揪團一起印。
📌「有延伸教材」Skip through the seasons:https://bigv.com.tw/barefoot-2/
著重在觀察力的繪本,跟著繪本從1月Skip到12月,裡面的人事物在做什麼呢?
符合我0-3AMI培訓老師的繪本要求,與現實生活相關,圖片不過分童趣,保留真實度,除了雪台灣比較少看到外,其他的場景都很常見喔!
📌「有延伸教材」What’s the Time, Mr. Wolf?
See You Later, Alligator.
https://bigv.com.tw/barefoot/
Kidsread首度推出的手指偶書,讓書從2D平面一躍而上,成為屬於你跟孩子的迷你劇場!
What’s the Time, Mr. Wolf?談論的是時間與日程。
See You Later, Alligator.則是拖拉不願意幫忙的Alligator,最後會發生什麼事呢?
🌟Kidsread上半年新鮮貨🌟
📌「有延伸教材」JY Sight Word Readers:https://bigv.com.tw/sight-word-readers/
JYSW絕對是除了大V首賣新品之外,強力推薦的一品,如果你家月齡適合或是預算足夠,現在就能買起來。
Sight word 裡最常見的50個字精選而成,最適合剛開始閱讀起步的孩子,透過多元化的設計把不遵照發音規則的單字有系統的整理起來,學習省力!全面化的教材設計一網打盡不需要額外自製。
不過我還是提供蒙特梭利詞性表讓大家加工,貼在隨書附上的單字小卡上,將詞性的規則淺移默化到孩子心裡。
📌「有延伸教材」My First Discoveries 英文探索小百科第一二三輯:https://bigv.com.tw/kidsread-discovery/
最新一版是人稱嘰嘰咕咕咚的英文探索小百科第三輯喔~買過這套書的伙伴都會愛上,透過膠片書設計讓孩子清楚感受到頁面上的差異,中文劇場版音檔生動有趣,配樂考究。
切換成英文模式隨點隨讀,就算只是點圖片都會依照圖片細節唸出對應單字音檔,陪孩子一路長大。
缺貨已久的一二集也抵台了,歡迎補足✨
📌Fly Guy and Buzz:https://bigv.com.tw/fly-guy-and-buzz/
有時候噁噁的(?)無俚頭的Fly Guy and Buzz來啦,這套書是橋梁書中前輩大推的書目,搞笑幽默的內容戳中孩子笑點,輕鬆逗趣的好選擇。
📌「有延伸教材」ㄅㄆㄇ故事王國:https://bigv.com.tw/kidsread-story
大家都知道我很在意孩子的英文,其實我中文也沒有放過!在限動晒跟亮亮的注音練習時常有人問我怎麼帶的。
其實我就很輕鬆的跟著Kidsread步調走(笑)先從唱學兒歌唱唱跳跳,再跟著商店街一間間的掌握注音符號,接下來就是現在的注音王國練習拼音(也能搭配拼音機器人)
📌JY Books 親子互動英文繪本:https://bigv.com.tw/jybook-2/
JY Books有超多繪本,大家挑選自已喜歡的主題就可以了,文章內我都會放影片給大家參考畫面與音檔。
這套書涵蓋了字母顏色形狀數字數量形容詞跟基礎單字,其中的Dear Zoo是我跟好亮從小就共讀的繪本,現在出了點讀版真好!
📌與狗店長樂讀詩 第四輯:https://bigv.com.tw/smohouse/
一直不能理解為什麼需要背弟子規或是其它詩詞,直到我認識亮亮學校的其中一位老師,深談之後才暸解老師的用心,就像蒙特梭利提過的,0-6歲的孩子是不加以分別的全然吸收,透過有趣的共學共玩累積孩子的中文力!
透過硬頁操作書推拉功能,讓孩子跟書玩在一起,改編過的故事貼近現實,孩子就算不懂詩詞內容也玩的很開心。
🌟Kidsread 全品項🌟
【英文 】
#喜歡律動旋律的
-加拿大唱學英文兒歌 Kiboomers:https://bigv.com.tw/kidsread-2/
#英文啟蒙入門 (0-2Y)
-四語字典 (適合幼寶):https://bigv.com.tw/kidsread-5/
-DK my first word book(真實圖解字典,適合從小到大的實用工具書):https://bigv.com.tw/myfirstwordbook-kidsread/
-KIDsREAD Phonics Cards:https://bigv.com.tw/phonicscards/
-「有延伸教材」Talk and play:https://bigv.com.tw/talkplay/
-JY Books 繪本 Stage 1,2:https://bigv.com.tw/jybook/
-「有延伸教材」Skip through the seasons:https://bigv.com.tw/barefoot-2/
-「有延伸教材」What’s the Time, Mr. Wolf?
See You Later, Alligator.
https://bigv.com.tw/barefoot/
-Pictory Eric Carle 系列:https://bigv.com.tw/pictory/
-Goomies:https://bigv.com.tw/kidsread-6/
-魔法語音桌遊:https://bigv.com.tw/kidsread-3/
-魔法語音拼圖:https://bigv.com.tw/kidsread-3/
#稍微有點英文FU的孩子
-「有延伸教材」JPR:https://bigv.com.tw/kidsread-4/
-cranky bear and his friends:https://bigv.com.tw/kidsread_book/
-「有延伸教材」JY Sight Word Readers:https://bigv.com.tw/sight-word-readers/
#進階英文
-迪士尼系列:見直播1小時16分處開始介紹:https://pse.is/QS4DT
喜歡動手做的(有點難找, 建議中班以上)
-美國Highlights系列:https://bigv.com.tw/highlights/
https://bigv.com.tw/highlights2/
-Fly Guy and Buzz:https://bigv.com.tw/fly-guy-and-buzz/
#灌溉科普的種子
-「有延伸教材」new baby animals (0-2Y):https://bigv.com.tw/kidsread_newbabyanimals/
-「有延伸教材」my first discoveries :
英文探索小百科第一輯:https://bigv.com.tw/kidsread_discovery/
英文探索小百科第二輯:https://bigv.com.tw/kidsread_discovery-2/
英文探索小百科第三輯:https://bigv.com.tw/kidsread-discovery/
【中文 】
#培養飽讀詩書
- 《與狗店長樂讀詩》:https://bigv.com.tw/smohouse/
#想學注音符號
-唱學兒歌:
-ㄅㄆㄇ商店街:https://bigv.com.tw/chinese/
-小康軒機器人:https://bigv.com.tw/chinese/
-「有延伸教材」ㄅㄆㄇ故事王國:https://bigv.com.tw/kidsread-story
#想要中文故事+音樂
-溫馨的提卡音樂家族:https://bigv.com.tw/kidsread-7/
【術科 】
#培養音樂氣質
-迪士尼經典電影專輯
-睡前音樂Jazz for Kids- Calm and Soothing Lullabies
#對中國典故有興趣
--十二生肖:https://reurl.cc/mqn2v1
#童話故事
-MINI POPS 立體童話劇場 點讀版:https://bigv.com.tw/classicstory/
同時也有1部Youtube影片,追蹤數超過5,870的網紅珊蒂微AI,也在其Youtube影片中提到,很難得機會在台灣捕獲李孟這位旅日的資料科學家,也很高興可以訪問到他! 李孟在日本四年的工作時間當中,歷練過「軟體工程師」、「資料科學家」以及「機器學習工程師」的職務,為什麼會有這一路以來的自覺與自學歷程?我們都一併在這次專訪當中聊到了!同時還加碼聊了「在日本的工作與生活環境」,提供給想去日本生活的朋...
「統計與機器學習差異」的推薦目錄:
- 關於統計與機器學習差異 在 大V生活 Facebook 的最佳解答
- 關於統計與機器學習差異 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於統計與機器學習差異 在 新思惟國際 Facebook 的最佳解答
- 關於統計與機器學習差異 在 珊蒂微AI Youtube 的最佳解答
- 關於統計與機器學習差異 在 [討論] 統計學習與機器學習的差異- 看板DataScience 的評價
- 關於統計與機器學習差異 在 東吳巨資學院資料科學系- 機器學習和統計模型的差異是什麼 ... 的評價
- 關於統計與機器學習差異 在 【人工智慧】進入機器學習前,為何要再學一次數學 ... - YouTube 的評價
統計與機器學習差異 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
AI 如何為公司創造更多價值?專家:2 個缺陷,要先由人類來修補
2021/05/13
採訪‧撰文
盧廷羲
張凱崴
美國人工智慧國家安全委員會(NSCAI)今年 4 月建議,國防部每年應至少分配 3.4% 的預算投入科技領域,並提撥 80 億美元研發 AI。企業方面,微軟(Microsoft)4 月宣布,將以 197 億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與 AI 軟體的先驅。
從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用 AI 創造更好的生活。不過,目前 AI 發展到底處於什麼階段?我們又該如何應用?
美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但 AI 也並非萬能,要先認知它的局限。他研究如何讓 AI 更符合人性,獲得 2021 年的史隆研究獎(Sloan Research Fellowships)。
AI 局限1. 資料寬廣度不足時,就會複製人類偏見
張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「你跟電腦講清楚 input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向 AI 做不到。」
舉例來說,亞馬遜(Amazon)2014 年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而,有些人口音較罕見,或是用字較特殊,智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案,就可能失靈,這是當前 AI 的其中一大問題。
張凱崴進一步解釋,AI 另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。
AI 的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。
這也是為什麼,如果讓 AI 學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。
就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。
他再舉一例,美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到 GPT3 版本,屬於書寫類 AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。
好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸 AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。
AI 局限2. 即便條件相同,也無法每次都做出正確判斷
「其實,現在的 AI 就像一台原型飛機,還缺乏穩定性。」張凱崴說,現行的 AI 就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。
紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI 掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。
張凱崴說,在這個例子中,凸顯出 AI 的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」所謂的缺乏穩定性,指的是 AI 沒辦法在相同條件下,每次都做出正確決策,這也是使用 AI 時,須留意的第二個挑戰。
他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。
在設計這些程式時,人們必須注意到 AI 可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。
餵指令給 AI 要多元化,嘗試「換句話說」、刻意混淆
經理人雖然不一定具備 AI 方面的專業知識,但只要掌握觀念,再透過 AI 領域專才協助,也能優化系統。張凱崴指出,最直接的方法是,設計 AI 模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題。
舉例來說,一套 A 系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。
另一個方法,則是用不同的「語意」,去測試 AI 有沒有徹底學會一個概念。例如,有一套餐廳評鑑的 AI 系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「抽換詞面」的方法。
比如,把詞彙換成同義字,再看 AI 是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI 就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加 AI 的詞彙量。
第三種方式更進階:改變句型、重寫句子。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生 A 事件,所以導致 B 事件」,改寫成「B 事件發生了,是因為 A 事件的緣故」,明明兩句話意思一樣,但 AI 很可能因為穩定性不足,搞混兩者的差別。如果要鞏固 AI 的穩定性,可以使用自動改寫的方式,增加資料的多樣性。
張凱崴表示,經過這些測試,讓 AI 接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。
張凱崴總結,AI 還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI 並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。
張凱崴
台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。
附圖:優化AI系統的3方法
資料來源:https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis
統計與機器學習差異 在 新思惟國際 Facebook 的最佳解答
【🙋♂️ 學員提問】#醫學論文與寫作工作坊
問:如何將大量的數據以簡明的圖表呈現,並清楚表達成果?以及製圖技巧?
⠀
答:(蔡依橙)
⠀
建議應該 #反過來問:「我的文章需要有哪幾張圖表,才能讓人光看這些,就懂我的研究作了些什麼?」
⠀
所以,大量數據不需要呈現,就像你收集了兩組,各 1000 人的存活資料,我們不需要去畫一個具有 2000 筆資料的表格,而是需要一張 Kaplan-Meier survival curve,用兩條線以及一個 p 值,去說明「意義」。
⠀
以大型研究來說,通常圖表的準備是這樣的:
⠀
1⃣. 研究收案流程圖,包括總人數、排除條件與數目、分組、失聯或退出、最後收案數目。
⠀
2⃣. 基本資料比較 (demographic data),確認這兩組在各種非實驗變項(或稱控制變項),沒有差異,是可以比較的,這樣之後的比較才會有意義。
⠀
3⃣. 各種分組後,end points 的比較,通常會很多張。可以用 Kaplan-Meier survival curve、forest plot或表格來表現,就看用哪個最能表達出重要的研究成果。
⠀
(參考圖片請見原始連結) 臨床收案流程圖,可用 PowerPoint 或 Visio 繪製。(Tsai IC, et al. European Radiology 2009)
⠀
至於製圖技巧,這正是我們要用一堂課程與互動實作,總計超過三小時,來讓各位學習並實作的題目啊!
⠀
⠀
🗣 錯過今天的《醫學論文與寫作工作坊》讓你扼腕?
⠀
🔸 全新梯次來囉,初學者也能順利學習的課程!
🔸 好評加開|6/20(日)醫學論文與寫作工作坊
🔸 立刻報名|https://mepa2014.innovarad.tw/event/
⠀
✓ 新手入門須知,稿件寫作與準備要訣。
✓ 不再害怕統計,讓你親手畫出數據圖。
✓ 怎麼投才正確?擬定期刊選擇策略。
✓ 研究計畫申請:管道、重點、訣竅
✓ 還是寫不出來?過來人時間安排建議
⠀
【實際建議】大道理人人會說,但應用時所遭遇的種種困難,該如何克服,就不是每個人都知道。內科陳一銘醫師,復健科吳爵宏醫師,放射科蔡依橙醫師,與你一樣的世代,超過 200 篇 SCI 發表經驗,給你最實用的建議。
⠀
【實作統計】完全無經驗者也能上手,新思惟口碑互動實作時間,再次改款,讓您在樂趣中學會統計應用,並在「您自己的電腦」實際完成,製成可投稿數據圖。過程中有任何問題,資深助教隨時幫你!
⠀
【課後回饋】運用上課學到的技術,完成回家功課,並由講師親自閱讀,並給予回饋,用多年指導住院醫師的經驗,建議您未來努力的方向。不只給你魚、給你釣竿,還指導您,該怎麼設計一支屬於你自己的釣竿。
⠀
⠀
📣 工作坊最新快訊
⠀
▪ 張俊鴻醫師團隊,關於診斷阿茲海默症的新指標與機器學習之系統性回顧,獲 International Journal of Molecular Sciences 刊登!
⠀
▪ 溫晨越醫師團隊,分享移植腎在體外以軟式輸尿管鏡取出腎結石之手術影片,以致編者信形式,獲 Asian Journal of Surgery 刊登!
⠀
▪ 周旭桓醫師團隊,關於乳癌經化療與手術後,局部復發之因素研究,獲 BMC Surgery 刊登!
⠀
▪ 【年度成績】2020 年新思惟之友 SCI 論文發表,共 689 篇!
⠀
▪ 【最新單月】2021 年 3 月 PubMed(SCI),共有 74 篇!
⠀
⠀
⭐ 講者陣容
⠀
【陳一銘】與科內的實驗室、國衛院、老人醫學 與 健保資料庫 的團隊均有合作,主題圍繞著老人醫學與免疫風濕專長,發表超過 120 篇 SCI 論文。四度獲得「青年醫師論文獎」。
⠀
【吳爵宏】連續兩篇 original article 於頂尖期刊 Radiology 刊登,並獲邀與雜誌主編連線訪問,錄製 Video Podcast,向全世界讀者介紹研究成果,發表超過 60 篇 SCI 論文。
⠀
【蔡依橙】SCI 文章超過 60 篇,聚焦在自己的專業核心、投稿命中率高達八成、標竿論文引用超過 100 次的策略型研究者。曾指導多位醫師發表 SCI 論文,並登上國際舞台。
統計與機器學習差異 在 珊蒂微AI Youtube 的最佳解答
很難得機會在台灣捕獲李孟這位旅日的資料科學家,也很高興可以訪問到他!
李孟在日本四年的工作時間當中,歷練過「軟體工程師」、「資料科學家」以及「機器學習工程師」的職務,為什麼會有這一路以來的自覺與自學歷程?我們都一併在這次專訪當中聊到了!同時還加碼聊了「在日本的工作與生活環境」,提供給想去日本生活的朋友參考呦~
👉在這次專訪中,我們暢聊了:
1. 李孟是如何從軟體工程師的身份開始自學「資料科學」?
2. 資料科學家 / 機器學習工程師工作內容上的差異?
3. 李孟比較喜歡當資料科學家、還是機器學習工程師呢?Why?
4. 覺得人們除了積極自學之外,還應該用什麼心態來應對AI帶來的衝擊?
5. 加碼閒聊「在日本的工作環境與生活環境」,提供給想去日本生活的朋友參考呦!
👉李孟釋出他在台大的演講簡報,鉅細靡遺地分享他成為一位資料科學家的歷程,內容相當精彩,製作也很精美耶!https://www.facebook.com/LeeMengTaiwan/posts/10220691442829365
👉李孟的超高含金量部落格,分享各種他在資料科學與機器學習上的應用經驗!https://leemeng.tw/
#他是資料科學家也是機器學習工程師 #自學資料科學與機器學習 #李孟
統計與機器學習差異 在 東吳巨資學院資料科學系- 機器學習和統計模型的差異是什麼 ... 的美食出口停車場
機器學習 是大數據崛起後所產生的新方法,但其實它和原本就存在的統計模型法的分析目標是相同的,旨都在通過分析數據,進而挖掘背後隱藏的信息。今天的文章從不同的角度去 ... ... <看更多>
統計與機器學習差異 在 【人工智慧】進入機器學習前,為何要再學一次數學 ... - YouTube 的美食出口停車場
進入 機器學習 前,為何要再學一次數學?你將了解線性代數與矩陣、微積分、機率與隨機變數、 統計 觀念與假設檢定等多種數學與 統計 學的基本知識, ... ... <看更多>
統計與機器學習差異 在 [討論] 統計學習與機器學習的差異- 看板DataScience 的美食出口停車場
最近在修統計學習的課程,
提到Naive Bayes是Bayesian Network當中的一種model,
想知道 過往我們都會把Naive Bayes, KNN 這些當機器學習的入門
為何又會說NB是統計學習的model
因為感覺每堂AI 相關的課 overlap都很多 很混亂
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.43.55.15 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1604886226.A.7BC.html
... <看更多>