104學習

python軟體測試

python軟體測試
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
這項技能指的是利用Python程式語言來撰寫自動化測試腳本,幫助驗證軟體功能是否符合需求,提升測試效率與準確度。掌握這項技能能減少人工作業錯誤,加速錯誤發現與修正流程,對於持續整合(CI/CD)環境尤為重要。具備此能力的專業人才在軟體開發團隊中扮演關鍵角色,能協助確保產品品質並縮短上線時間,市場需求穩定且具成長潛力。
關於教室
關注人數 0 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
關於教室
關注人數 0 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
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

python軟體測試 學習推薦

碁峰資訊GOTOP

小編

2022/04/02

TinyML|TensorFlow Lite機器學習
應用Arduino與低耗電微控制器
「想要瞭解如何在資源有限的設備上運行機器學習嗎?那就要看這本書,它是AI發展的里程碑。」
—Massimo Banzi
Arduino共同創辦人
「本書藉由清楚、有趣的用例來教你如何在Arm微控制器上部署ML。」
—Jem Davies
Arm機器學習集團副總裁、研究員和總經理
深度學習網路正在不斷縮小,而且比以前小太多了。Google Assistant偵測單字的模型只有14 KB,小到可在微控制器上運行。這本實用的書籍將引領你進入TinyML領域,結合深度學習和嵌入式系統,用微型設備產生驚人的效果。
Pete Warden和Daniel Situnayake將講解如何訓練可以放入任何環境的微型模型。對想要使用機器學習來建構嵌入式系統的軟體和硬體開發者來說,這是一本理想的指南,它將指引你逐步建立一系列的TinyML專案,而且你不需要具備機器學習或微控制器的經驗。
‧建立語音辨識器、人體偵測鏡頭及可以回應手勢的魔杖
‧活用Arduino和超低電力的微控制器
‧學習ML的基本概念及訓練自己的模型
‧訓練可以理解音訊、影像和加速度計資料的模型
‧探索Google為TinyML設計的工具組,TensorFlow Lite for Microcontrollers
‧為app進行除錯及保護隱私和安全
‧優化等待時間、耗電量、模型和二進制檔的大小
看更多書籍介紹:
看更多
0 0 186 0
碁峰資訊GOTOP

小編

2022/04/02

深度學習 | Deep Learning
「由三位深度學習領域專家撰寫的《Deep Learning》,是涵蓋內容最為全面的著作。對於要進入此領域的軟體工程師與學生,提供了兼具深度及廣度的觀點與淺顯數學概念,以及足供專家參考的內容。」
──Elon Musk,OpenAI共同主席;Tesla與SpaceX共同創辦人兼CEO。
「這是最完整的深度學習教科書。本書是由此領域的主要貢獻者所撰寫,清晰、全面與完整的呈現相關主題。想知道深度學習的起源、優勢與發展,請閱讀本書。」
──Geoffrey Hinton,英國皇家學會院士(FRS),Toronto大學榮譽教授;Google傑出研究人員。
「近十年來,深度學習著實讓技術界為之傾倒。有必要為學習者、實作者與教學者撰寫一本教科書,內容包括基本概念、實務項目與進階研究主題。本書是第一本全面涵蓋的書籍,由專精於該領域富有創新性與創造力的研究人員撰寫。本書會是今後幾年的重要參考書。」
──Yann LeCun,Facebook AI研究主管;New York大學電腦科學(資訊科學)、資料科學與神經科學的教授。
深度學習是一種機器學習,透過概念階層方式,讓電腦從經驗中學習,進而理解世界。由於可利用經驗累積知識,因此無須人為操控來指定電腦所需的全部知識。概念階層容許電腦經由簡單概念建置與學習更複雜的概念,其中組成的階層圖會呈現出多層深度框架。本書內容涵蓋廣泛的深度學習主題。
本書是以數學與概念為基底,涵蓋線性代數、機率論與資訊理論、數值計算以及機器學習等相關概念。書中將論述業界實作者與行家們使用的深度學習技術,包括深度前饋網路、正則化、優化演算法、卷積網路、序列建模與實務方法;同時討論概括論述相關應用,如自然語言處理、語音辨識、電腦視覺、線上推薦系統、生物資訊與電玩遊戲等。本書提供諸多研究觀點,包含線性因子模型、自動編碼器、表徵學習、結構化機率模型、蒙地卡羅法、配分函數、近似推論與深度生成模型等理論項目。
本書適合打算投入深度學習業界或研究領域的大學生與研究生,以及想要在資訊產品或平台中納入深度學習技術的軟體工程師閱讀。
封面圖片:Daniel Ambrosi的Central Park Azalea Walk Dreamscape(danielambrosi.com)。Daniel Ambrosi的Dreamscapes(夢景)是使用Google DeepDream開源軟體(由Google的Joseph Smarr與NVIDIA的Chris Lamb修改的版本)所建構的作品,以此軟體成功處理Ambrosi數億像素的全景圖片而成。
看更多書籍介紹:
看更多
0 0 117 0

104學習精選課程

看更多課程
想提升職場競爭力?專業技能課程看起來👇
從零開始 Python × Ollama 實戰教學:打造企業本地LLM應用程式
在 AI 工具快速演進的時代,你是否也想掌握本地部署大語言模型(LLM)的技術, 並應用在企業內部的資料處理與自動化工作流上? 本課程將帶你從零開始,逐步學會如何使用 Python、Ollama 與多種開源模型(如 DeepSeek、Llama3、Devstral、SmolAgents 等) 開發本地 AI 聊天應用程式,實作企業級知識庫、文件助手、語音轉錄與多工具 AI 代理人等應用, 讓你打造真正落地的企業級生成式 AI 解決方案。 課程單元列表: 一、本地模型快速入門:Ollama應用實作篇 01.初探本地LLM:安裝Ollama並打造首個聊天機器人 02.文字轉語音應用:建構具語音輸出的AI助手 03.視覺理解AI:使用LLaVA模型打造會看圖的聊天機器人 二、強化知識應用:RAG×LLM×Rerank打造企業知識庫 04.零幻覺查詢系統:LLM+最新RAG技術打造本地知識庫 05.精準提升生成品質:結合RAG+Rerank技巧優化回應結果 三、企業實戰應用:模擬真實場景,加速AI落地 06.企業文件助理:建構PDFChatbot(結合Llama3與RAG) 07.文件通吃:支援txt、docx、pptx的多格式聊天機器人 08.音檔AI加速器:1小時語音檔,2分鐘快速轉文字 09.圖像識別神器:圖片轉文字自動化處理實作 10.MistralOCR中文發票實戰:PDF與圖片一次搞懂 11.Devstral開發助手教學:本地部署程式碼AI助手實作 12.DeepSeek R1 本地建置實戰:高效能 × 零爭搶 × 企業級資安 四、打造企業級生成式AI平台:OpenWebUI × Ollama 13.一鍵搭建聊天平台:完整呈現DeepSeekR1推理介面 14.極速服務接軌:免費使用DeepSeekR1distillLLaMA70B 15.自帶知識庫的模型:OpenWebUI+RAG建立企業級語言應用 五、進階應用開發:內容理解×數據分析×系統整合 16.Firecrawl網頁數據抓取×Llama3.3應用實作 17.自然語言問資料庫:Llama3.3Text2SQL實戰 18.新聞分析神器:輿情摘要、分類與情緒偵測應用開發 19.建立整合式AI平台:FlaskDashboardKit實戰教學 六、建立AI Agent 工具和代理的應用程式 20.SmolAgents 快速入門|5 行程式碼打造你的第一個 AI 代理人!教學與實作一次搞定 21.SmolAgents Text2SQL 教學|從自然語言到 SQL 查詢的應用實作解析 22.Google ADK 教學入門|快速完成第一個本地 LLM 呼叫(支援 Ollama 模型) 23.用 Google ADK 打造多工具 AI Agent|整合天氣 + 時間查詢功能與錯誤迴圈排除技巧 24.Google ADK × MCP Server 教學|接入本地檔案清單存取與官方案例實測問題總整理
龍耀智能企業社
碁峰資訊GOTOP

小編

2022/04/02

用Python快速上手資料分析與機器學習
幫助您在最短的時間內學到資料科學必備的技術與基礎知識
本書的目標族群是想成為資料分析工程師的讀者、對Python有一定程度了解的工程師。所謂「有一定程度了解」,指的是能讀懂Python官方手冊的程度,本書只介紹最低限度所需的Python語法與規格。至於資料分析方法,會使用NumPy或pandas介紹處理資料的方法,接著會介紹以Matplolib具體呈現資料的方法,最後再解說以scikit-learn進行機器學習的分類或預測的方法。除了工具的使用方式之外,也會解說基礎的數學知識。
搞懂資料分析與機器學習必懂的數學知識
要分析資料或是進行機器學習,就必須具備相關的數學知識,所以本書將從數學公式開始講解,直到大家能了解數學公式為止。再者,實際分析資料時,收集資期待各位讀者能透過本書全面地學習資料分析,進而踏出成為資料分析工程師的第一步。
.資料分析必備的基礎數學知識
.基本的Python語法
.使用NumPy或pandas處理資料的方法
.利用Matplolib進行資料視覺化的方法
.以scikit-learn進行機器學習的分類或預測
.實作網路爬蟲
.實作自然語言處理
.實作影像分類
看更多書籍介紹:
看更多
0 0 134 0
你可能感興趣的教室