Search
#每日5分鐘快速添補ai知識與技能
深度學習創造出各種模型，
但會納悶DNN、CNN、RNN這幾個網路有何不同？
作用、差別為何、彼此之間的關係？
⠀⠀
大部分神經網路，可以用深度和連接結構來定義
也可分為有監督、無監督、半監督學習的神經網路
⠀⠀
將介紹4種類型神經網路
1、類神經網路ANN 和 深度神經網路DNN
2、循環神經網路RNN 和 遞歸神經網路RNN
3、卷積神經網路CNN
4、生成式對抗網路GAN
⠀⠀
觀看全文👇
https://blog.tibame.com/?p=19032
⠀⠀
#AI60問 #深度學習 #人工智慧 #神經網路
【AI／資料科學不可不知的60道問題】
每週4篇AI新知識，一次只要5分鐘，
具備AI跨域知識，為職場技能加分💪
#TibaMe #緯育TibaMe #知識 #學習 #科技
在機器翻譯裡，通常需要兩種語言的大量平行對應語料資料，而口語及方言由於資料不足，在機器翻譯上就形成難題，微軟透過遷移學習及半監督學習，讓訓練資源高的語言所訓練出的模型可以轉移到資源低的語言，克服語料不足的難題。
【早晨財經速解讀】2020/12/3（四）黃豆高位修正 下一場原物料行情是誰？
新刺激談判暖身起步 標普費半連刷歷史新高
中概股盤後嚇跌！美眾院正式通過中企監督法案
拜登：不會立即取消對陸關稅
美重啟新冠紓困談判 市場信心大振 黃金連2漲
紓困磋商重回鎂光燈焦點 美元震盪走低
台股衝關 今戰萬四
——————————————
每天早晨8:30 讓我們一起解讀財經時事
主持人：游庭皓（經濟日報專欄作家、小一輩財經人話翻譯機）
音頻收聽請在Podcast或Soundcloud搜尋『游庭皓的財經皓角』
財經皓角2021第一季聽友會+簽書會 台北場12/19（六）與台中場12/20（日)
報名網址 http://sc.piee.pw/394aur
免責聲明：《游庭皓的財經皓角》頻道為學習型頻道，僅用於教育與娛樂目的，無任何證券之買賣建議。任何形式的投資皆涉及風險，投資者需進行自己的研究，持盈保泰。
香港今日社論2020年05月13日(100蚊獅子頭)
https://youtu.be/uTUeToMCx44
請各網友支持, 課金巴打台
(過數後請標明所支持的節目或主持, 把入數收據WhatApps 至 : 94515353 )
- 恒生 348 351289 882
- 中銀 012 885 1 086914 9
( 戶口名: Leung Wai in Tammy)
- 轉數快FPS 3204757
- PayMe 94515353
- Paypal : tammyleung96@yahoo.com.hk
巴打台購物網址
https://badatoy.com/shop/
巴打台Facebook
https://www.facebook.com/badatoyhk/
巴打台Youtube Channel:
https://www.youtube.com/channel/UCmc27Xd9EBFnc2QsayzA12g
--------------------
明報社評
多國疫情放緩，開始放寬防疫措施，然而防範疫情捲土重來，難度不能低估。德國撤銷部分社交限制後感染率上升、武漢解封一個月後再現社區感染個案、韓國夜店感染群組過百人確診，無不反映疫情復發風險。香港本地感染「清零」大半個月後，昨天亦傳出疑有婦人初步確診的消息。新型冠狀病毒大流行，不會突然消失，各地都要學習與疫共存。放寬防疫措施恢復社會運作，難免有零星感染個案，最重要是做好檢測追蹤，嚴防變成新一波大爆發，香港可借鑑中韓德等地應對處理，從中汲取教訓，保持高度警惕。香港疫情放緩已有一段時間，根據防疫專家說法，最理想是做到連續28日（即兩個潛伏期）本地「零確診」，疫情便算正式受控。
蘋果頭條
政府昨公佈沙中綫紅磡站調查最終報告，港鐵及工程承建商禮頓雖然被指嚴重失職，政府亦監管不力，但無人需要「落鑊」下台。報告直指工程造工差劣，形容工人至管理層皆有失誤，有工人更因鋼筋不合適而擅自剪短鋼筋，但禮頓或港鐵從未縱容工人剪筋，把責任全歸咎於工人。建造業總工會會務顧問周聯僑直斥報告屈工人「食死貓」，強調工人只是聽從指示，禮頓需負最大監督責任，批評報告未有找出真正問題根源，日後或會再爆短筋事件翻版，「到時又係賴工人？」
東方正論
特區基建工程屢爆事故，沙中線紅磡站擴建部分在二○一八年被爆出工程問題，揭發有人剪短鋼筋、擅改圖則施工、遺失大量檢測及監工紀錄涉造假等醜聞，紅磡站結構安全惹人憂慮。特首林鄭月娥在同年七月宣布委任獨立調查委員會調查，經過七十八日聆訊，差不多一年半後，委員會在今年三月份向特首提交最終報告，昨日始公布內容，市民可謂望穿秋水，究竟這份報告，能夠解答公眾所有疑問嗎？
星島社論
港澳與內地疫情近期都明顯放緩，香港連續二十二日無本地感染，澳門已三十四日沒新增確診，內地昨天只有一宗病例。據此情況，三地應已具備逐步放寬出入境限制的條件，如果能恢復通關，將可為經濟復甦加添很大動力。問題是，病毒傳播的威脅仍未完全消除，三地須建立一套可靠的互認安全機制，才可撤除強制檢疫的防線。近期內地省市及珠海澳門之間，都已實施了互認的健康措施，顯示機制可行，港府應積極研究加入，盡快落實恢復通關。由於許多在澳門工作的勞工，都居於珠海，須每天往返，強制隔離檢疫造成極大不便，也影響澳門的經濟運作，故兩地於上周一實施了新措施，珠海居民可憑核酸檢測陰性證明，以及澳門健康綠碼，便可入境澳門，豁免隔離。
經濟社評
在新冠肺炎疫情下，中美關係又起波瀾，首階段貿易協議突然出現「悔約論」，但最終又回到基本點。中美履行貿易協議，其實是最符合雙方利益，但基於政經需要，卻不斷在細微關節位試探對方底綫，令情況反覆。中方應化被動為主動，爭取美國民眾支持，將雙邊關係遭民意操弄的折騰減至最少。
中美高層上周五通話後，同意為落實貿易協議創造氛圍，令原先因美國對疫情追責下的緊張關係緩和下來。惟美國總統特朗普其後唱淡貿易協議，之後中國官媒提出增加核彈來抑制美國野心，前晚更指北京有聲音要將貿易協議作廢，重新商談一份對華有利的新協議。特朗普隨即回應無意重新談判，中國外交部其後也否認其事，強調會落實協議。
【智翔的議會質詢-消防局、研考會、新聞處（10/24）】
＃消防救災SOP
＃清查違章工廠
月初的台中大火事件，在新聞媒體中可以看到桃園市消防局有說明，在新屋大火之後，桃園的救災SOP中，就訂出了「若火場無人受困、判斷句危險時，消防員不入內救災原則」，因此想了解，這樣的SOP到底是僅在新聞媒體中露出，或是口頭上講述而已，還是有白紙黑字的明定在公文中？
另外，台中大火一案連結到近來農地違章工廠議題，內政部消防署也在事件後，要求地方消防局全面清查違章工廠，請問消防局將如何清查？目前進度為何？
今天消防局則回覆，關於上述的SOP，是有以公文的形式發佈的作業要點，且都有公開給各級消防人員；至於清查違章工廠部分，只要建管單位有提供違章工廠的清冊，消防局一定都會要求這些工廠去設置消防設備與遵守消防法規，所以智翔也會在這點特別要求建管單位，針對桃園的違章工廠進行全面普查。
而下週二，自新屋大火後歷時至今的《消防法》修法也可望在立法院三讀通過，包含了消防員生命三權（ ＃資訊權 ＃退避權 ＃調查權）入法，希望未來消防局可以確實執行，保障我們辛苦的消防員的生命安全，讓悲劇不再發生。
#1999專業AI化
根據每年研考會的施政報告指出，1999的服務類型一半都是市政諮詢，且最常被詢問到的六大問題為「公車問題及站牌」、「候車亭設施管理」、「U-BIKE租賃問題」、「市民卡」、「免費市民公車」、「垃圾車清運動線及管理」，其實多為重複性的問題，長久下來應可歸納出問題與回應方式，是否未來可以透過chat bot機器人，或是語音搜尋（類似Siri）服務來減少人工處理的時間和成本？
研考會主委則表示，有詢問過微軟或是Google相關的技術問題，惟一套能讓AI學習回應1999問題的設備，約要三千萬，而目前1999的成本與人力花費，約為一年兩千萬。要如何規劃未來更能節省人力與成本的方案，要請研考會這邊再多多努力了。
再來則是施政績效自評與管考方式的精進建議，績效指標分為共同與個別，而個別局處的施政績效指標，由各業務機關自行訂定，是否有更細緻的標準，或讓各局處在施政的達成率上來做橫向比較呢？
而考核評等為丙等的局處，以往作法都是讓局處自行檢討，檢討過後的原因分析和檢討預防卻又讓各局處內部存參，未來是否可以請局處提出檢討報告給研考會？或是由研考會來主導針對案例還做歸納、原因分析、案例分享、研擬改進措施等，讓各局處的業務都能夠更加精進？
＃有線電視纜線整理
最後則是新聞處，同樣是春日路的淹水問題，在春日路與幸福路口的水溝開蓋清淤時，發現其實在這些水溝裡，充滿了纜線，嚴重影響清淤進度，而且還無法分辨哪些是有效的電視纜線，哪些則為無用的廢線。
雖然新聞處長回答時說，會跟有線電視業者來溝通，希望業者自主來清理纜線，但智翔是認為，若是跟這些業者溝通有效的話，那纜線的問題早就解決了，而不是像現在一樣還有廢線堵塞住水溝。所以我建議看看，是否可以請不同的水溝施工廠商或是主管單位，一起來監督有線電視業者的清除纜線進度，讓市容的整頓與水溝清淤一舉兩得。
半监督学习 在计算机视觉中的简述Brief Intro of Semi-Supervised Learning in Computer Vision. 概述. 当前的CV计算模式无论是早先的Machine Learning ... ... <看更多>
半監督學習 在 Vay-keen/Machine-learning-learning-notes - 半监督学习.md 的推薦與評價
周志华《机器学习》又称西瓜书是一本较为全面的书籍，书中详细介绍了机器学习领域不同类型的算法(例如：监督学习、无监督学习、半监督学习、强化学习、集成降维、特征 ... ... <看更多>