本文探討了監督式學習、分群和相似度這幾個推薦系統算法，分別討論了它們的優點、缺點以及適用場景。這些算法在推薦系統中扮演著重要角色，並透過特徵選擇與預處理、相似度度量和鄰居的選擇等關鍵因素進行深入分析。文章最後提出在選擇推薦系統算法時應該考慮的因素，以及未來的研究方向。

職場

學習

以行動支持創作者！付費即可解鎖

軟體開發

推薦系統算法：監督式學習、分群和相似度

Kafka是一個先進的分佈式流處理平臺，具有高吞吐量、可擴展性、容錯性和低延遲特性，提供瞭解耦、非同步和削峰特點。本文介紹了Kafka的通訊模式、適合的應用場景和未來發展趨勢，旨在幫助使用者更好地理解和應用Kafka。

國際

科技

初探 Kafka：理解其特點、通訊模式與應用場景

<div class="draft-block draft--p left">1. 繼續學習  Graph : 著重在 algorithm 推導，再來是 NN 系列(GNN)</div>
<div class="draft-block draft--p left">2. 行銷推薦 : 推薦系統、客群名單</div>
<div class="draft-block draft--p left">3. 異常檢測 </div>
<div class="draft-block draft--p left">有很多想學習的，尤其使用 heptabase 把一塊概念像是拼圖一樣拼起來，就覺得日字過得很充實！</div>

資料科學家之路

想調整一下近期的時間安排

本文探討了在使用 pandas 處理資料時應注意的幾個關鍵點，以及如何減少因資料型態問題而產生的錯誤，確保資料的原始意義得以保留。主要包括Pandas 資料處理深入解析，尋找CSV之外的數據儲存方案，以及優化資料處理策略。

投資理財

Pandas 資料處理: 如何處理數據型態自動推斷的問題？

上篇進一步認識基本的圖形架構與三大 Graph 算法，那首先從 shortest path 開始，我們會陸續去理解這些算法，以及可能的應用，如果還沒有看過上一篇的，可以點以下連結～那我們就開始吧！

【圖論Graph】Part1：初探圖形與圖形演算法之應用


音樂藝文

【圖論Graph】Part3：最短路徑演算法 -  Dijkstra 介紹與實作

本篇文章深入介紹了圖形的基本概念、組成和應用。從圖形的基本組成，到圖的類型與種類，再到圖形演算法的三大類型，本文將接續圖形領域的深入學習，並分享了對圖形的初步認識和學習方向的小心得。希望對正在學習圖形的人有所幫助。

Graph

【圖論Graph】Part2：深入認識Graph的基本概念、組成和應用

圖形演算法在資料處理上扮演重要角色。本文介紹圖形的歷史、定義、技術用途，以及為什麼我們要關心圖形演算法。文末還提及圖形演算法在機器學習領域的應用。下次將介紹更詳細的圖形演算法內容。

【圖論Graph】Part1：初探圖形與圖形演算法之應用

參加Leetcode的30 Days of Pandas挑戰，除了是學習的機會，更是練習熟悉pandas功能的機會。文章分享了挑戰簡介、題目描述、關鍵技術以及參加挑戰的心得。適合新手學習pandas，也可提升熟練度。

親子與教育

Leetcode 30 天 Pandas 挑戰分享

這篇文章將分享最近遇到 NVIDIA GPU driver 的問題，並提供瞭解決步驟，以及證實問題解決的測試方法。當您遇到類似問題時，可以參考這篇文章進行解決。文章中包含了定位庫文件目錄、備份和替換文件以及測試修改的步驟。

解決 NVIDIA GPU 驅動 libnvidia-ml.so 錯誤訊息

前言

前幾篇分享了 IBM Watsonx.ai 平台，以及在平台上使用 LLM 完成客戶體驗分析、與LLM串連處理較複雜的問題。在這一篇中，我們想來嘗試使用檢索增強生成（RAG）的技術，RAG 通過整合外部數據來增強基礎模型的回答能力，這不僅能解決模型訓練數據的局限性問題，還可以提供更精準和相關

將RAG與Semantic Search融入LLM：提升準確性與效率

歡迎來到《桃花源記》專欄。這裡不僅是一個文字的集合，更是一個探索、夢想和自我發現的空間。在這個專欄中，我們將一同走進那些隱藏在日常生活中的"桃花源"——那些讓我們心動、讓我們反思、讓我們找到內心平靜的時刻和地方

精彩內容

Karen

想調整一下近期的時間安排