DataScience
含有「DataScience」共 22 篇內容
全部內容
發佈日期由新至舊
本篇我們會繼續討論從Part 1 撈取的 df_878 中提取股票代碼，並使用先前Part 2 定義的 get_info_yfinance 函式來獲取 Yahoo Finance 上的財務資料，接著將這些資料貼回 df_878 的相應欄位中。
使用 BigQuery ML，讓 Data Analyst 可以在僅會 SQL 的情況下，建立預測模型，做到「快速分析多個特徵」給予客戶分群建議
本文探討如何利用政府提供的YouBike開放數據進行數據分析，以揭示共享單車系統的使用趨勢。作者使用Google Apps Script分析不同時間點的YouBike使用率，並通過線性回歸預測供需平衡，以及針對特定站點的使用模式進行深入挖掘。最後總結了公館不同出口的使用情況，提供了最佳的租借選擇。
相當實用啊！
Tiktok 面試內容因面試官而異。遇到的面試官問題都很 hard core，針對技術問題有非常細部的討論。建議想面試 Tiktok 的人給自己多點時間面試，除了深以外也要顧及廣度
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
Transformer 中的 Attention 機制是 'Word-to-Word' 操作，抑或是 'Token-to-Token' 操作，白話來講就是：「對於句子中
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
首先先展示 Transformer 的架構圖：
可以看到架構中不再出現 RNN 、 LSTM 、 CNN 等物件，因為 Recurrence 已被摒棄。
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
既然要談論 Transformer 的 Attention 機制，我們必須要談論以下主題：
Transformer 架構
自注意力機制
編碼與解碼
Embedd
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
2017 年 12 月，Google Brain 和 Google Research 發表了 Vaswani 等人的開創性論文《Attention Is All You
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
從AI說書 - 從0開始 - 0到AI說書 - 從0開始 - 35，我們完成書籍：Transformers for Natural Language Processin
我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
從AI說書 - 從0開始 - 0到AI說書 - 從0開始 - 34，我們談了許多 Transformer 議題，以下來做條列性結論：
Transformer 迫使人工