| 程式人 | 林信良 | 程式學習 | Numpy | PyTorch | 深度學習
從NumPy到PyTorch
PyTorch是支援深度學習的框架,為了不迷失在API之中,可藉由NumPy實現簡單的學習模型,逐步轉換至PyTorch,認識相關元件的方便,瞭解支援的流程典範
2021-09-23
| 程式人 | 林信良 | 程式學習 | Code+CAD | OpenSCAD | Computer-Aided Design
Code+CAD的選擇
目前如果要使用程式碼進行CAD的設計,能選擇的方式很多,而且應用上日漸成熟
2021-09-16
| 程式人 | 林信良 | 程式學習 | 感知器 | 神經網路 | 核方法 | Kernel method
從感知器到神經網路
神經網路是一堆感知器的組合,由一堆單純運算來達成複雜的任務,多從運算組合的本質來思考神經網路,可避免迷失於繁雜的公式推導
2021-09-09
| K-means | 分群 | Clustering | 資料分析 | 程式人 | 林信良 | 程式學習 | 機器學習 | ML | 非監督式學習
畫分勢力範圍的K-means
在非監督式的K-means分群方式下,無論是勢力範圍、群數的衡量等,都是以距離作為依據,同一勢力範圍內的資料,必要時,也可以使用群心來加以代表
2021-09-02
| 程式人 | 林信良 | 程式學習 | 貝氏分類 | 機器學習
從疾病檢驗到單純貝氏分類
在各種分類方法當中,面對基於貝氏定理的單純貝氏分類,我們可以從生活實例理解,像是疾病檢驗、垃圾郵件、氣象,進一步地抽取現象的特徵作為計算
2021-08-12
| 程式人 | 林信良 | 程式學習 | 影子遊戲 | 主成分分析
從影子遊戲到主成分分析
關於資料的處理,可能會透過降低維度的方式來進行,但重點或許在於理解資料在不同維度的樣貌
2021-07-29
| 程式人 | 林信良 | 程式學習 | 機器學習
漫談機器學習入門
身為想了解機器學習的開發者,若要瞭解原始碼實現方式,背後數學原理,該如何進入這個領域?我們能以向量運算、矩陣運算、微積分等來思考,將數學與程式的心智模型結合
2021-07-22
| 程式人 | 林信良 | 程式學習 | 迴歸 | 感知器
淺談迴歸與感知器
透過迴歸(Regression),我們可以進行預估,而所謂的感知器(Perceptron),則與分類有關,我們可基於人類大量觀察的要點來建立
2021-07-16
| 傅立葉轉換 | 影像處理 | 程式人 | 林信良 | 程式學習
傅立葉轉換與影像處理(中)
對圖像雜訊而言,有高頻與低頻之別,就灰階圖像而言,灰階值就像訊號的振幅值,像素的間距,就好比時間的間距。若想更清楚認識圖像頻率的意義,我們可透過傅立葉轉換的實作來進行
2021-07-02
| Matplotlib | 3D建模 | 程式人 | 林信良 | 程式學習
Matplotlib玩3D建模
以Matplotlib來進行2D繪圖之餘,我們也可以用它來執行3D繪圖,若要將其做為3D建模工具,讓這類非典型的應用是有可能實現的,而且,還可以發掘更多實用的功能
2021-05-20
| Numpy | 索引陣列 | list | 程式人 | 林信良 | 程式學習
巧用NumPy索引
NumPy陣列提供與list相同的索引方式,但並非使用了NumPy,資料處理速度就會自動躍進,開發者須改變思考方式,才能善用NumPy陣列的效能優勢
2021-04-29
| 王氏磚 | Wang tiles | 拼接應用 | 程式學習 | 程式人 | 林信良
趣拼王氏磚
王氏磚是藉由鄰接邊的共同編碼,直接對應至拼接塊,沒有搜尋、不用評估、一定可以拼接,略加變化,也會有無限拼接的可能性
2021-04-01