1條評論

  1. s10827616
    2020-03-19
    回覆

    最大的收穫主要是獲得比較多的訓練平台與工具的選擇，獲益良多，場地跟防疫都做得很好，感謝講師跟工作人員的辛勞。

  2. rose125678
    2020-05-09
    回覆

    講師的演講內容豐富且吸引人，
    學習到很多。

  3. lion852147
    2020-05-14
    回覆

    請問要如何用matlab做深度學習

  4. alexi
    2020-05-27
    回覆

    我覺得最後得micro bit o bit 特別有趣

  5. 洪百翰
    2020-05-28
    回覆

    今天玩了好多ai的小遊戲,能夠體驗這樣的課程真的很開心喔.

  6. cou077_1
    2020-08-08
    回覆

    Excellent !

  7. u10831159
    2020-08-09
    回覆

    很棒，學到很多

  8. demitai168
    2020-08-09
    回覆

    課程內容豐富 可惜我能力不足

  9. vincent0965033595
    2020-08-09
    回覆

    經過這兩天的課程後 我覺得課程內容非常精彩 讚讚

  10. 江冠霖
    2020-09-12
    回覆

    好的影片

  11. s810047
    2020-10-20
    回覆

    我覺得很可以

  12. s810278
    2020-10-20
    回覆

    棒呆了

  13. s810268
    2020-10-20
    回覆

    老師講解精闢，令我陶醉於課程當中。

  14. s810163
    2020-10-20
    回覆

    老師講的很棒，清楚且明瞭!!!

  15. s810360
    2020-10-20
    回覆

    對AI人工智慧有更深的了解，課程準備用心，很有趣。

  16. s810213
    2020-10-20
    回覆

    對AI智慧和生活中的實用範例更加了解，課程準備用心，說詞簡潔聽得懂。

  17. s810136
    2020-10-20
    回覆

    覺得內容很有趣，20秒內畫畫讓AI辨識的超好玩的。不過感覺上課時間不太夠

  18. s810066
    2020-10-20
    回覆

    老師講解的很好
    我覺得電腦可以算是AI
    因為可以處理很多問題

  19. s810154
    2020-11-03
    回覆

    謝謝老師的講解，希望能夠學到更多東西

  20. 910564
    2020-11-05
    回覆

    我感覺非常好
    如果每天都有這樣的課，該有多棒

  21. ning940313
    2020-11-05
    回覆

    聽不懂啦(對不起我就笨
    講解有點太過攏統
    除了後面攝影機的部分幾乎都只有稍微帶過
    不太知道他真的應用是甚麼樣子
    但還是讓我對AI稍微多了一些了解
    還是不錯的啦 讚

  22. 910385
    2020-11-05
    回覆

    雖然非常的有趣和新奇，但是總覺略為出淺，銜接課程都上過了。似乎是都在講解AI對我們未來的影響，但這些都很好懂: 不須創意及專業知識的工作即將消失，同時會出現更多有關的工作，只要把我先機就可以站一片地，方法就是–終身學習。這個觀念我已經聽很多次了，貌似花那麼多的篇幅講這些，好像有一點可惜。可能是因為有上銜接課程，我覺得整體來看並沒有學到甚麼
    抱歉， 但還是謝謝有這個機會

  23. s810136
    2020-11-10
    回覆

    我覺得做這個活動還滿累的，負責操作電腦的部分(神經棒跟teachable machine)因為不是我熟悉的領域所以一直失敗，神經棒連不上還有因為檔名而無法上傳檔案或者系統出錯…很多都是我想不到的挫折，不過也在克服困難的過程中學到了很多，很累但很充實。

  24. ㄕㄟ
    2021-04-10
    回覆

    讚喔

  25. okj
    2021-04-21
    回覆

    有趣~好玩的課程

  26. MMM
    2021-05-08
    回覆

    請問範例呢?

    • 維寧 黃
      2021-05-11
      回覆

      您好，想請問什麼課程項目的範例呢?
      程式碼、簡報、課程影片都在課程中可以直接閱覽喔 🙂

  27. A
    2021-05-17
    回覆

    沒有影片

    • Chen Inky
      2021-05-22
      回覆

      點擊影片即可播放喔！

  28. chenpiway
    2021-05-21
    回覆

    random_state=43是甚麼?為甚麼都沒有解釋?

    • Chen Inky
      2021-05-22
      回覆

      當我們用機器學習套件sklearn做分割完測試集和訓練集，確定模型初始參數以後，
      會發現程序每運行一次，都會得到不同的準確率，無法調參
      這是因為每次運行模型的測試集與訓練集不同
      為了控制這個變因，我們會使用random_state
      random_state是一種隨機取數的方法
      當我們設定random_state=43（也可以設為任一整數）是為了保證程式每次運行都分割一樣的訓練集與測試集
      之後才能夠針對模型的好壞，進行參數的調整。

  29. jease0502
    2021-07-06
    回覆

    他寫，accounts.google.com 重新導向太多次。沒辦法看到影片

  30. 曾慶良
    2021-07-16
    回覆

    iddmail@ycsh.tp.edu.tw

  31. hanssu7711
    2021-08-07
    回覆

    好像有點難

  32. BrianSu
    2021-08-07
    回覆

    學到很多，跟高中統計學的回歸直線相呼應

  33. BrianSu
    2021-08-07
    回覆

    準確度一直在90~93%間 ，要突破95好難。

    • BrianSu
      2021-08-07
      回覆

      更正80~93%

  34. o935596247
    2021-08-08
    回覆

    很棒

  35. fred
    2021-10-01
    回覆

    請問如何實際使用Kneron Dongley在影像辨識上呢?在影片中只有跑mAP分數

發表評論

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *