104學習

NumPy

NumPy
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
這項技能主要用於數值運算與資料分析，能快速處理大型陣列和矩陣運算，提升運算效率。對從事資料科學、機器學習、金融分析及工程計算等領域尤其重要，能讓工作流程更順暢且結果更精確。具備此能力代表你熟悉用程式解決複雜數據問題，是現代科技產業中不可或缺的基礎工具。
關於教室
關注人數 6 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • NumPy
    • 關於教室
    關注人數 6 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • NumPy
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    NumPy 學習推薦

    電腦技能的領航員-碁峰資訊
    關注
    碁峰資訊GOTOP

    小編

    2023/09/02

    Python資料分析 第三版
    使用pandas、NumPy和Jupyter進行資料整理
    「Wes更新了這本新版本的內容，確保它是學習Python和pandas資料分析知識的首選資源。再多的言語都無法形容我是多麼推薦這本書。」
    —Paul Barry
    講師及O’Reilly《深入淺出Python》作者
    這本權威的手冊將教你如何在Python中操作、處理、清理、整理資料組。第三版配合Python 3.10和pandas 1.4進行更新，用豐富的案例研究教你如何有效地解決廣泛的資料分析問題。在過程中，你將學會最新版的pandas、NumPy和Jupyter。
    作者Wes McKinney是Python pandas專案的創始人，在這本書中，以實用和現代化的方式介紹Python資料科學工具組，本書非常適合剛接觸Python的分析師，以及剛接觸資料科學和科學計算的Python程式設計師。本書在GitHub提供資料檔案與相關素材。
    ‧使用IPython shell和Jupyter Notebook進行探索性計算
    ‧學習NumPy基礎和進階功能
    ‧認識pandas程式庫的資料分析工具
    ‧使用靈活的工具進行載入、清理、轉換、合併與重塑資料
    ‧用matplotlib製作資訊豐富的視覺化圖表
    ‧運用pandas的groupBy工具對資料進行切割與彙總
    ‧分析與處理正規和非正規的時間序列資料
    ‧透過詳盡的範例學習如何解決真正的資料分析問題
    看更多
    Python資料分析 第三版
    gotop.com.tw
    Python資料分析 第三版
    0 0 190 0
    Learn with Shin
    關注
    HsuShin

    2022/05/31

    找出最佳解 - Linear Programming
    不論是生活中或是工作中，我們一直都在做各種決定。
    今天要搭配什麼樣的衣服？中午要吃什麼？週末要去哪裡玩？要用多少時間花多少錢做哪些事情？會思考甚至煩惱，就是我們想要盡可能的追求最佳解，讓效益最大化。
    當然，人生不（一定）會有最佳解，所以才有趣也值得去探索
    但是在某種程度上，如果可以量化這些變數，理論上就有可能找到最佳的解答。
    一些例子像是：
    行銷部門如何在有限預算下決定廣告商來達到最好的效果；
    控管供應鏈，決定我這一季要進多少貨，要雇用多少作業員，達到合理最大的產能；
    老闆決定要關哪幾家工廠來最佳降低總成本（包含固定營運成本跟運輸成本）
    理財顧問幫助客人如何在可接受的風險下選擇投資組合報酬最佳化；
    如何在有限的資源下找出最佳化分配（resource allocation optimization），做出最好的決定，是大大小小企業一直不斷追求的目標。
    有鑑於此，今天我們要來稍微看一下一個叫做Linear Programming的工具，以及如何搭配Python來使用它。
    Linear Programming
    Linear Programming，英文可能聽起來像什麼程式，其實不是😅。中文叫做線性規劃。簡單來說是一套數學工具，用來幫助我們在已知限制條件（constraints）下找到目標（objective）的最佳解。前提是問題的本質必須是線形系統（Linear system）以及不等式（Inequality）所組成的（我們就不多討論複雜的數學模型，有興趣的可以在網路上參考）。
    基本上簡單的例子像是：
    求x + 2y 的最大值，條件是
    y <= 50
    x + y <= 120
    聰明的你可能很快就算出來了，最佳解就是：
    x + 2y = 170
    x = 70
    y = 50
    反過來把上面的式子（或稱之為model）用生活的例子帶入的話，可能就像是：
    我想要買兩個玩具跟一本書，最多我可以花多少錢？條件是
    玩具一個不能超過50元。
    一個玩具加一本書不能超過120元
    當然，現實中的情況往往是更加的複雜，設計一套模型通常沒那麼容易，加上如果模型的複雜度高（譬如說有很多變數），不但得高度仰賴專業（domain）的判斷，計算上也會變得吃重。
    那麼接下來，我們稍稍來看一下如何用Python來幫我們model這些條件及目標，進而計算出最佳解吧～。
    例子 1
    首先，我們會用到一個第三方library -- pulp......
    看更多
    找出最佳解 - Linear Programming
    learnwithshin.com
    找出最佳解 - Linear Programming
    0 0 572 0

    熱門精選

    AI 趨勢報－科技愛好者的產地🤖
    關注
    職場力：提升職場競爭力

    小編

    04/13 13:16

    Meta首款多模態模型Muse Spark登場：會看、會算、還能幫忙寫小遊戲
    Meta正式發表全新大型語言模型「Muse Spark」，不只提升效能，更代表Meta AI進入了更強大的多模態處理階段。
    與過去需要透過大量文字描述不同，Muse Spark強調「視覺感知」能力，舉例：在機場或超市，只需要隨手拍下商品貨架，AI就能即時辨識並排序出蛋白質含量最高或最符合你營養需求的零食，省去逐一翻看標籤的時間。
    以下整理本次更新的三大亮點：
    1. 多模態感知力：AI不再只能讀文字，而是能直接「看懂」視覺資訊，除了辨識實體商品，也能分析複雜的影像與圖表。
    2. 視覺化程式開發：透過簡單的提示詞就能快速產出客製化網站、小遊戲等，開發門檻大幅降低，還能直接分享給好友。
    3. 生態系全面整合：目前Muse Spark已在Meta AI App與網頁版上線，未來數週將陸續推展至Facebook、Instagram、Messenger、WhatsApp，甚至是AI眼鏡中。
    如果你想更直觀了解Muse Spark帶來的改變，我們特別準備了一分鐘的精華短影片，帶你快速掌握Meta AI的最新進化。
    看更多
    Meta首款多模態模型Muse Spark登場：會看、會算、還能幫忙寫小遊戲
    1 0 1609 0
    Learn with Shin
    關注
    HsuShin

    2022/05/31

    Graph Database - 圖形資料庫
    世上充斥著各種人事物以及其中錯綜複雜的關係。以公司為例子來看好了，有內部組織的上下（左右）關係，部門與部門間的合作關係，業務間的交流關係，甚至是與外部其他公司之間的競合關係。這些「關係」本身都是相當重要的資料，如果今天我想要快速的取得我想要的資料並了解他們之間的關係，該怎麼樣呈現一個這樣的概念呢？
    今天想跟大家一起看一個有趣的資料庫類型，叫做Graph Database（圖形資料庫）。
    首先，資料庫有分幾種。譬如說一般我們較常見的大概會是Relational Database（一般俗稱SQL資料庫），資料儲存的方式是有Columns跟Rows（就像表格）。相對的另外還有所謂的NoSQL (Not Only SQL）的資料庫，資料可以以Key/Value pair（就像Python的dictionary）形成一個document（譬如說關於單一User的各種資料是一個document）的方式儲存。
    今天要來看的Graph Database也是屬於NoSQL的資料庫，但是儲存資料的方式跟上述的很不同。
    舉個例來說，我們有看過連續劇中經常會出現的人物關係圖吧？....
    看更多
    Graph Database - 圖形資料庫
    learnwithshin.com
    Graph Database - 圖形資料庫
    0 0 590 0
    你可能感興趣的教室