Top 5
本文分享如何使用 Google 表單，每天自動記錄股票資產總額。
這個方法只適合不常操作股票的人，尤其是跟我一樣要管理家人帳戶，或是股票常常出借導致集保e存摺無法正確紀錄。
隨便看看，練習閱讀。
https://www.federalreserve.gov/newsevents/speech/powell20250822a.htm
感覺蠻中性的，沒有媒體講的那麼鴿...
AI 時代的生存之道：加倍努力當個人類。
標題取自網路文章：AI is coming for us - Justin Welsh。
最近景氣不確定性暴增，持股也一直跌，於是參考了朋友的投資建議，自行做了些調整。下面分享今天的調整，如果你也是上班族，可以跟我一起來一波韭菜操作，到時我被尬空手，才不會太孤單
>_<
先拉高現金水位，
大減短線部位。少賺沒關係，直接閉眼賣。反正本來就是用猜的，可能少賺也可能少賠，都說是韭菜了
不是摸魚，是因為前幾天上班超認真，處理了一堆事，今天突然就沒事了，運氣真好，希望不要被主管發現我現在沒事做在聽歌~~~
https://youtu.be/8MG--WuNW1Y?t=37
營~收~應該體面 星洲瑞銀別後悔
何來衰退 你敢賣就敢心碎
夢境裡面 是存股的我們
在喝采 流著淚哭著數錢~
獲~利~也很體面 散戶們絕不後退
買到沒錢 認真盯盤的畫面
別讓執念 毀掉了明年
財富自由? 才沒那天~
本文分享如何使用 Google 表單，每天自動記錄股票資產總額。
這個方法只適合不常操作股票的人，尤其是跟我一樣要管理家人帳戶，或是股票常常出借導致集保e存摺無法正確紀錄。
隨便看看，練習閱讀。
https://www.federalreserve.gov/newsevents/speech/powell20250822a.htm
感覺蠻中性的，沒有媒體講的那麼鴿...
AI 時代的生存之道：加倍努力當個人類。
標題取自網路文章：AI is coming for us - Justin Welsh。
最近景氣不確定性暴增，持股也一直跌，於是參考了朋友的投資建議，自行做了些調整。下面分享今天的調整，如果你也是上班族，可以跟我一起來一波韭菜操作，到時我被尬空手，才不會太孤單
>_<
先拉高現金水位，
大減短線部位。少賺沒關係，直接閉眼賣。反正本來就是用猜的，可能少賺也可能少賠，都說是韭菜了
不是摸魚，是因為前幾天上班超認真，處理了一堆事，今天突然就沒事了，運氣真好，希望不要被主管發現我現在沒事做在聽歌~~~
https://youtu.be/8MG--WuNW1Y?t=37
營~收~應該體面 星洲瑞銀別後悔
何來衰退 你敢賣就敢心碎
夢境裡面 是存股的我們
在喝采 流著淚哭著數錢~
獲~利~也很體面 散戶們絕不後退
買到沒錢 認真盯盤的畫面
別讓執念 毀掉了明年
財富自由? 才沒那天~
某天，某島國上的花生農老G，因為體力漸衰、氣候異常、地緣政治...等因素，種出的花生品質越來越不穩定，於是邀了其他島上的A格斯先生、高手B爾、阿國兄，四人一起組了個互助會...
資料集有了，模型兜好了，再來可以開始訓練了。
首先準備 train.py，下圖僅節錄部分程式碼。
圖中包含了大部分的程式和註解，整段 code 也幾乎是公版了，建議簡單看過再自己融會貫通，有問題可以根據執行時的 error log 去解決，也可以留言討論。
此時資料夾應該長這樣
不太確定捲積式神經網路 (CNN) 的精確定義，但大致上是用捲積層 (convolution layer) 取代 DNN 中的幾個全連接層 (fully connected layer)，這些捲積層概念跟 feature filter 類似。
先大概有個概念就夠，實作時跟前一篇 DNN 一樣，這些
這篇會示範，只要稍微會寫 python，儘管對 AI 只有極淺的認識，也能輕易兜出一個，專家們眼中可能很白癡的 AI 模型。若題目不難、訓練資料夠多，這個白癡模型仍可以莫名其妙的變聰明。
全都的程式碼都在下圖，20行就能兜出一個全連層 (fully connected layer ) 組成的全
抓圖&標記
沒別招，只能一張張把圖片抓下來，少說抓個幾百~幾千張吧。抓下來的圖可以用遞增數字當檔名。
再來這步更麻煩，標記。
新增一個文字檔，或跟我一樣用 label.csv 都可以，然後把一張張圖片上的驗證碼正確答案記錄下來。
儘管步驟再簡單，只靠自己人工抓圖和標記，既耗時又煩
最近工作剛好有用到 PyTorch，由於僅止於些簡單的功能和除錯，事後對這個熱門的 AI 框架還是一知半解。想了下，如果連用 PyTorch 做個簡單的 AI 模型都辦不到，不就浪費了這段時間的接觸？
於是訂個簡單的題目並試著去完成，順手做個紀錄。內容非常初階，篇幅也不多，主要著重在...
某天，某島國上的花生農老G，因為體力漸衰、氣候異常、地緣政治...等因素，種出的花生品質越來越不穩定，於是邀了其他島上的A格斯先生、高手B爾、阿國兄，四人一起組了個互助會...
資料集有了，模型兜好了，再來可以開始訓練了。
首先準備 train.py，下圖僅節錄部分程式碼。
圖中包含了大部分的程式和註解，整段 code 也幾乎是公版了，建議簡單看過再自己融會貫通，有問題可以根據執行時的 error log 去解決，也可以留言討論。
此時資料夾應該長這樣
不太確定捲積式神經網路 (CNN) 的精確定義，但大致上是用捲積層 (convolution layer) 取代 DNN 中的幾個全連接層 (fully connected layer)，這些捲積層概念跟 feature filter 類似。
先大概有個概念就夠，實作時跟前一篇 DNN 一樣，這些
這篇會示範，只要稍微會寫 python，儘管對 AI 只有極淺的認識，也能輕易兜出一個，專家們眼中可能很白癡的 AI 模型。若題目不難、訓練資料夠多，這個白癡模型仍可以莫名其妙的變聰明。
全都的程式碼都在下圖，20行就能兜出一個全連層 (fully connected layer ) 組成的全
抓圖&標記
沒別招，只能一張張把圖片抓下來，少說抓個幾百~幾千張吧。抓下來的圖可以用遞增數字當檔名。
再來這步更麻煩，標記。
新增一個文字檔，或跟我一樣用 label.csv 都可以，然後把一張張圖片上的驗證碼正確答案記錄下來。
儘管步驟再簡單，只靠自己人工抓圖和標記，既耗時又煩
最近工作剛好有用到 PyTorch，由於僅止於些簡單的功能和除錯，事後對這個熱門的 AI 框架還是一知半解。想了下，如果連用 PyTorch 做個簡單的 AI 模型都辦不到，不就浪費了這段時間的接觸？
於是訂個簡單的題目並試著去完成，順手做個紀錄。內容非常初階，篇幅也不多，主要著重在...
