資料夾 分類 範例的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦邱聰倚,姚家琦,吳綉華,劉庭佑,林玉琪寫的 超簡單!Autodesk Fusion 360最強設計入門與實戰(第二版) (附230分鐘影音教學/範例) 和洪錦魁的 Python - 最強入門邁向數據科學之路:王者歸來(全彩印刷第三版)【首刷獨家限量贈品-程式語言濾掛式咖啡包】都 可以從中找到所需的評價。
這兩本書分別來自碁峰 和深智數位所出版 。
明志科技大學 電子工程系碩士班 黃樹林、賴文正所指導 張詩含的 人臉偵測方法-YOLO研究與應用 (2020),提出資料夾 分類 範例關鍵因素是什麼,來自於人臉識別、物件偵測、樣本訓練、YOLO。
而第二篇論文朝陽科技大學 資訊工程系 洪士程所指導 黃雯穗的 運用Keel 3.0開源資料探勘工具進行案例分析 (2020),提出因為有 數據挖掘的重點而找出了 資料夾 分類 範例的解答。
超簡單!Autodesk Fusion 360最強設計入門與實戰(第二版) (附230分鐘影音教學/範例)
為了解決資料夾 分類 範例 的問題,作者邱聰倚,姚家琦,吳綉華,劉庭佑,林玉琪 這樣論述:
超越傳統CAD工具,直擊產品設計新主流! 掌握Autodesk新一代產品設計霸主Fusion 360的全方位核心技能, 開啟直覺與簡單的設計模式,從入門到整合的3D實戰應用! 從現在開始,更快速的學好Fusion 360 ■入門必備的Fusion 360關鍵技法 涵蓋電腦繪圖、電腦輔助設計、產品設計、工業設計的基礎必修內容,如:草圖繪製與編輯、視覺化建模、模型編輯、零件組合…等內容,可搭配基礎功能影音教學,迅速掌握Fusion 360的入門要領,同時扎實指令應用技能。 ■深入淺出的圖解步驟式導引 沒有繁雜的文字說明,以最明確的圖解來說明
觀念與用法,並以逐步示範的方式進行實作,進而快速學會Fusion 360的簡單設計模式,並熟悉真實渲染效果、工程圖與動畫製作。 ■入門養成的快速化演練實例 對於重要的繪製與修改指令,都有精確的講解,只要熟練書中的教學操作,就能盡快達到學校與職場要求的圖面設計與繪製能力。 ■專業養成的整合設計試煉 提供咖啡機、耳機麥克風、電熨斗、手推車等產品設計作為整合實例,完整說明案例的實作流程,增加實務功力,並依3D列印需求提供快速轉換格式等內容。 書附超值學習資源: 230分鐘基礎功能與關鍵影音教學/範例檔/模擬練習解答 CH13工程圖、CH14動畫製作與附錄A快速轉換3
D列印格式PDF
人臉偵測方法-YOLO研究與應用
為了解決資料夾 分類 範例 的問題,作者張詩含 這樣論述:
人臉識別是現今最廣泛的應用之一,且臉部的身份驗證識別可以在許多情況下使用。通常人臉識別第一步是偵測和定位影像或視頻中的人臉,而準確的偵測演算法可以有益於系統的性能,人臉偵測是人臉識別系統應用中關鍵步驟之一。人臉識別演算法經歷了早期演算法、人工特徵加上分類器、深度學習(深度神經網路)三個階段。目前深度學習演算法是主流,極大提高了人臉識別的精準度。本文研究目標以2020年在MSCOCO物件偵測競賽中排名世界第一的YOLOv4為主,利用少量自訂的影像資料,測試其物件偵測精確度及快速實作能力,從中探討其網路架構,在測試過程中找出如何進行有效的少量自訂樣本的漸進式訓練模式。在Linux系統中實作YOL
Ov4的自訂人臉樣本訓練與驗證,自訂少量訓練圖片數及訓練次數及人臉選取方式。本研究總共有六位學生之人臉樣本,實驗個別訓練樣本數量在3、10、20、40時不同訓練次數(1000、2000、3000)的訓練結果分析,證明其優良的物件偵測精確度及快速實作能力。考量在加入多數未知身分人員誤判後,進行調整並加入新樣本之漸進式重新訓練,發現只需要加入新樣本並使用少數時間(小於原訓練時間20%)持續之前訓練,就可成功分辨未知身分人員,很適合少量自訂資料集訓練模式的實作,研究最後提出此人臉辨識模型可以用於教室點名及口罩配戴偵測的實際應用。
Python - 最強入門邁向數據科學之路:王者歸來(全彩印刷第三版)【首刷獨家限量贈品-程式語言濾掛式咖啡包】
為了解決資料夾 分類 範例 的問題,作者洪錦魁 這樣論述:
Python最強入門 邁向數據科學之路 王者歸來 第3版 【首刷獨家限量贈品- Python 濾掛式咖啡包】 數量:限量300包 咖啡風味:花神+黃金曼特寧 研磨刻度:40刻度 填充刻度:10g 製造/有效日期,18個月 ★★★★★【33個主題】、【1200個Python實例】★★★★★ ★★★★★【1500個重點說明】★★★★★ ★★★★★【210個是非題】、【210個選擇題】、【291個實作題】★★★★★ Python語言是基礎科學課程,撰寫這本書時採用下列原則。 1:強調Python語法內涵與精神。 2:用精彩程式實例解說
。 3:科學與人工智慧知識融入內容。 4:章節習題引導讀者複習與自我練習。 相較於第2版,第3版更加強數據科學與機器學習的內容,與相關模組的操作,同時使用更細緻的實例,增加下列知識: ★解說在Google Colab雲端開發環境執行 ☆解說使用Anaconda Spider環境執行 ★PEP 8,Python設計風格,易讀易懂 ☆Python語法精神、效能發揮極致 ★遞迴函數徹底解說 ☆f-strings輸出徹底解說 ★電影院訂位系統 ☆靜態與動態2D ~ 3D圖表 ★Numpy數學運算與3D繪圖原理 ☆Pandas操作CSV和Exc
el ★Sympy模組與符號運算 ☆機器學習、深度學習所需的數學與統計知識 ★線性迴歸 ☆機器學習 – scikit-learn ★KNN演算法、邏輯迴歸、線性與非線性支援向量機 ☆決策樹 ★隨機森林樹 ☆其他修訂小細節超過100處 多次與教育界的朋友相聚,談到電腦語言的發展趨勢,大家一致公認Python已經是當今最重要的電腦語言了,幾乎所有知名公司,例如:Google、Facebook、…等皆已經將此語言列為必備電腦語言。了解許多人想學Python,市面上的書也不少了,但是許多人買了許多書,但是學習Python路上仍感障礙重重,原因是沒有選到好的書籍,
市面上許多書籍的缺點是: ◎Python語法講解不完整 ◎用C、C++、Java觀念撰寫實例 ◎Python語法的精神與內涵未做說明 ◎Python進階語法未做解說 ◎基礎實例太少,沒經驗的讀者無法舉一反三 ◎模組介紹不足,應用範圍有限 許多讀者因此買了一些書,讀完了,好像學會了,但到了網路看專家撰寫的程式往往看不懂。 就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python語法的入門書籍。其實這本書也是目前市面上講解Python書籍中語法最完整,當讀者學會Python後,本書將逐步帶領讀者邁向數據科學、機器學習之路。Python以簡潔著
名,語法非常活,同時擁有非常多豐富、實用的模組,本書筆者嘗試將Python語法的各種用法用實例解說,同時穿插使用各種模組,以協助讀者未來可以更靈活使用Python,以奠定讀者邁向更高深學習的紮實基礎。 本書以約950個程式實例和約250個一般實例,講解紮實的Python語法,同時輔助約210道是非題、210道選擇題與約291道程式實作題。讀者研讀完此書,相信可以學會下列知識: ★內容穿插說明PEP 8風格,讀者可由此養成設計符合PEP 8風格的Python程式,這樣撰寫的程式可以方便自己與他人閱讀。 ☆拋棄C、C++、Java語法思維,將Python語法、精神功能火力全開
★人工智慧基礎知識融入章節內容 ☆從bytes說起、編碼(encode)、解碼(decoding),到精通串列(list)、元組(tuple)、字典(dict)、集合(set) ★完整解說Unicode字符集和utf-8依據Unicode字符集的中文編碼方式 ☆從小型串列、元組、字典到大型數據資料的建立 ★生成式(generator)建立Python資料結構,串列(list)、字典(dict)、集合(set) ☆經緯度計算地球任2城市之間的距離,學習取得地球任意位置的經緯度 ★萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率 ☆徹底解說讀者常混淆的遞迴式呼叫。
★基礎函數觀念,也深入到嵌套、lambda、Decorator等高階應用 ☆Google有一篇大數據領域著名的論文,MapReduce:Simplified Data Processing on Large Clusters,重要觀念是MapReduce,筆者將對map( )和reduce( )完整解說,更進一步配合lambda觀念解說高階應用 ★設計與應用自己設計的模組、活用外部模組(module) ☆設計加密與解密程式 ★Python處理文字檔案/二元檔案的輸入與輸出 ☆檔案壓縮與解壓縮 ★程式除錯(debug)與異常(exception)處理 ☆檔案讀寫與目
錄管理 ★剪貼簿(clipboard)處理 ☆正則表達式(Regular Expression) ★遞廻式觀念與碎形(Fractal) ☆影像處理與文字辨識,更進一步說明電腦儲存影像的方法與觀念 ★認識中文分詞jieba與建立詞雲(wordcloud)設計 ☆GUI設計 - 實作小算盤 ★實作動畫與遊戲(電子書呈現) ☆Matplotlib中英文靜態與動態2D ~ 3D圖表繪製 ★說明csv和json檔案 ☆繪製世界地圖 ★台灣股市資料擷取與圖表製作 ☆Python解線性代數 ★Python解聯立方程式 ☆Python執行數據分析 ★
科學計算與數據分析Numpy、Pandas ☆網路爬蟲 ★人工智慧破冰之旅 – KNN演算法 ☆機器學習 – 線性迴歸 ★機器學習 – scikit-learn ☆KNN演算法、邏輯迴歸、線性與非線性支援向量機 ★決策樹 ☆隨機森林樹 ★完整函數索引,未來可以隨時查閱
運用Keel 3.0開源資料探勘工具進行案例分析
為了解決資料夾 分類 範例 的問題,作者黃雯穗 這樣論述:
在機器學習的流程中資料探勘是重要的一環,資料探勘是從大量資料中提取未知有價值的有用資訊的過程,這些資料最終會被加以各種前處理,用於訓練模型。目前市場上有許多開源的資料探勘工具,其中KEEL(Knowledge Extraction based on Evolutionary Learning) 3.0是一個開源資料視覺化、機器學習和資料探勘的Java軟體工具,它有一個前端視覺化程式設計,可用於探索性資料分析、互動式資料視覺化、機器學習、資料探勘以及資料分析,KEEL 3.0提供了一個簡單的基於數據流的圖形使用者介面,用於設計不同數據集和計算智能算法的實驗,裡面包含了各種提取演算法、資料前處理
技術、學習演算法、混合模型、對比實驗的統計方法等,在本篇論文中,除了介紹KEEL 3.0的基本功能與操作外,並應到一個基本範例與一個進階範例,來展示KEEL 3.0的各項功能。