搜尋結果
2015年9月21日 · 無論是在台灣遇到外國人，或是在外國遇到不說華語的人，我們要如何在自我介紹完名字，以及來自台灣之後，向對方侃侃而談關於台灣的相關基本資料呢？ 你是不是也有過想好好介紹台灣，卻不知該怎麼用英文一一說明的狀況呢？ 沒關係！ VT 了解你的需求！ 趕快學起來，也許馬上就可以用到囉！ 以下小編就先來一段自我介紹範例，文末有中文翻譯，先讀讀看純英文版本，你看得懂多少呢？ Hey! Nice to meet you. Where are you from? Have you heard of Taipei 101? It used to be the tallest building in the world. I come from a beautiful island, Taiwan.
2020年8月11日 · TO 編輯推薦好書. 2020-08-11. 分享本文. 【我們為什麼挑選這本書】在電腦與網路快速發展、人與人的溝通/交易日漸電子化的時代，新型態的犯罪浮出檯面、資訊犯罪案件也頻頻發生。 《 e 科技的資安分析與關鍵證據：數位鑑識 》一書由警大資訊系教授王旭正、東海資工系教授林祝興、政大資科系教授左瑞麟共筆，說明網路科技普及的世代，有效進行數位鑑識的重要性，相信對於從事資訊安全、軟體安全相關領域的讀者，會有實質的幫助。 （責任編輯：賴佩萱） 數位鑑識泛指所有以電腦設備為媒介進行犯罪後對電腦所進行的採證工作 ，我們亦可把數位鑑識比擬成電腦結構中之軟體，針對不同的犯罪情況，調查／採證人員所使用的鑑識方法而有所不同，這也就像是電腦軟體針對使用者不同的需求，而使用不同的方式來解決使用者的問題一樣。
2016年12月23日 · 1. 讀>寫程式碼>讀>寫程式碼（日復一日） 關於如何高效學習 Coding 我要給出的第一條建議是在閱讀程式碼和編寫程式碼之間循環往復。 閱讀程式碼（書籍，部落格文章，開源程式碼）將幫助你查看解決方案，了解最佳做法，並大致了解語言或系統。 但是在你這樣做之後，你需要自己實際去寫程式碼。 可以是任何東西。 可以是小的編碼練習或業餘項目，但確保你能將之付諸於實踐，並用某種方式使用你學到的東西。 如果你不這樣做，那麼你會發現自己面對編輯器會無所適從無從下手。 這方面的訣竅是讓自己感到不舒服。 這是相當痛苦的，但就應該這樣。 編碼遵循 80/20 規則。 花 80%的時間在 20%的程式碼或 20%你所學的東西上。 習慣於這種不舒服的感覺並克服它是關鍵。
2024年3月27日 · 1. 生成式 AI 解說. 「 生成式 AI 解說 」（Generative AI Explained）是 NVIDIA 近期上線的免費課程，透過這門課，你可以學習到 NVIDIA 如何定義生成式 AI，並解釋生成式 AI 的工作原理。 課堂也將讓你學習如何描述不同的生成式 AI 應用，以及解釋生成式 AI 的挑戰和機會。 課程時間長度 2 小時，共有 5 個小節，每個小節都附有小測驗，讓你了解自己的學習成效。 除此，也有課程講義可參考。 這門課只要具備機器學習和深度學習概念，非常適合初學者參加。 2. 在 10 分鐘建構大腦！ 「 在 10 分鐘建構大腦！ 」（Building A Brain in 10 Minutes）是 NVIDIA 的長青課程，課程時間 10 分鐘。
2015年2月25日 · 王大師 2015-02-25. （文章原刊於王大師部落格，原文標題〈 台灣薪資從履歷表上就開始輸 〉，並同意 BuzzOrange 編寫導讀與修訂標題。 【為什麼我們挑選這篇文章】 找工作時，面對一串詳細縝密的履歷表格，該怎麼填寫但不會讓自己走入「奴工」陷阱？ （責任編輯：鄒家彥） 家庭資訊是個人隱私，不可為履歷其中選項. （大濕按：讀完後，建議要看文尾的警語，不然你會以為大濕要叫你搞公民不填個資運動） 最近想找份新工作，所以又開始我的投履歷，赴面試歷程。 其中有些台灣固有的應徵文化，大濕感到極為不公。 比方說履歷表的架構好了；在台灣，平均一個 104 的履歷會有 5～7 頁。 一個人的一生幾乎毫無保留的攤在雇主視線下。
2019年8月13日 · 2019-08-13. 分享本文. 【為什麼我們要挑選這篇文章】機器學習是人工智慧背後的基礎技術，透過機器學習，電腦可以自動分析數據並進行預測，優化系統的性能。 現在有哪些常見的機器學習演算法？ 各有什麼優缺點？ 下文列出工程師常用的機器學習演算法，熟悉它們，將提升你的 coding 高度。 （責任編輯：郭家宏） 「《科技報橘》徵才中！ 跟我們一起定位台灣產業創新力 >> 詳細職缺訊息. 快將你的履歷自傳寄至 [email protected] 」 說到分類演算法，相信學過機器學習的人都能講出一兩個。 可是，你能夠如數家珍地說出所有常用的分類演算法，以及他們的特徵、優缺點嗎？ 例如，你可以快速地回答下面的問題嗎： KNN 演算法的優缺點是什麼？
2021年3月19日 · 2021-03-19. 分享本文. 去年，資料分析媒體 KDnuggets 為讀者提供許多學習資料分析的免費電子書單，2021 年 KDnuggets 同樣精選 15 本與數據科學、資料分析和機器學習有關的電子書清單。 想要在今年規劃一些讀書計畫的工程師們，不妨從中挑選幾本不錯、符合自己需求的電子書吧！ 1.《Data Science and Machine Learning: Mathematical and Statistical Methods》 電子書傳送門. 這本書走的是實用路線，將重點放在資料科學和 Python 的運用來實踐機器學習模型；同時，這本書也將許多理論以清楚、易懂的方式說明，也會適時地融入一些數學來幫助理解，作為實務路線的書籍，算是讀起來非常舒適。
