為什麼要學習Python?
Python是一種非常流行的程式語言，用於各種領域。學習Python的原因包括其簡單易學的語法，跨平台的特性，以及在資料科學和機器學習領域的廣泛應用。此外，Python擁有大量的資源和社區支持。學習Python對於資料科學家來說是必備技能之一，能夠快速開發和執行數據科學項目，並能夠與廣泛的工具和庫集成。
開始上課
hidden
Jupyter Notebook 操作簡介
Jupyter Notebook是一個交互式程式開發環境，能夠支援多種程式語言，並能在同一個環境中整合程式碼 文字和圖片。它使用單元格作為開發基礎，使用者可以根據需要新增 刪除 移動這些單元格，並即時執行程式碼並進行調試。Jupyter Notebook還提供了自動完成 代碼提示 內容搜索等功能，提高程式撰寫效率。此外，它還支援共享到網路上
開始上課Spyder 操作簡介
本文介紹了Spyder作為一個針對資料科學家所設計的整合開發環境(IDE)的功能。從安裝和設定開始，探索Spyder的介面和佈局，並介紹了新建 開啟 儲存和執行Python檔案的方法。此外，還介紹了變數瀏覽器 錯誤檢查 調試功能以及使用內置控制台進行交互式編寫和測試的方法。最後，聚焦於Spyder的潛力，提高資料科學工作效率和加速開發和測試過程。
開始上課Visual Studio Code (VSCode) 安裝與操作簡介
這個章節介紹了如何安裝和使用Visual Studio Code（VSCode）。 VSCode是一個免費且開源的程式碼編輯器，適用於各種程式語言。安裝非常簡單，只需要從官方網站下載安裝檔進行安裝。它提供了很多方便的功能，如自動完成 語法檢查 變數跳躍等。並且支援許多擴充套件，可以根據需要進行自定義配置。你可以安裝相關的擴充套件，如語言支援 程式碼格式化工具 Git整合等等，以提高編程效率。這個章節將帶領你了解如何安裝和操作VSCode，方便快速上手並提高程式碼編寫的效率。
開始上課如何在三分鐘內於Ubuntu 14.04中啟用Spark-shell?
本地端啟用Spark非常簡單，只需要透過apt-get指令安裝Java Scala等語言，然後使用預先編譯過的Spark版本開始使用。
開始上課Python 陳述與控制流程速覽
本文介紹了Python程式語言中的陳述和控制流程，包括賦值陳述 條件陳述 迴圈陳述 例外處理和函式定義等。文章強調這個章節對初學者和有程式基礎的資料科學家都有益處，能幫助讀者更好地理解Python程式中的流程控制和邏輯判斷，並能更有效地編寫Python程式。也提供了進一步閱讀的連結。
開始上課生成器(Generator)
生成器是一種特殊的函式，可以逐步生成數據。它使用yield關鍵字返回數據，而不是使用return。這種方式可以節省內存空間，適用於處理大量數據的情況。生成器可以通過for迴圈遍歷數據，也可以使用next()函式獲取下一個數據。每次調用生成器時，它會從上次yield所在位置繼續執行，直到遇到下一個yield或結束。
開始上課套件(Package)
在資料科學中，套件 (Package) 是指一組相關的功能模組或程式庫，以協助資料科學家處理和分析數據。Python 是一個廣受歡迎的程式語言，擁有豐富的套件生態系統，對於資料科學家來說，這些套件不僅能節省開發時間，還能幫助處理龐大的數據集。
開始上課如何使用RJDBC 連結到MySQL?
本文介紹了在使用程式語言連結到資料庫時可使用的兩種方法：ODBC和JDBC。同樣地，R語言也提供了RODBC和RJDBC兩種方法供使用者選擇。本文將教您如何下載JAR檔和設定連線資訊，使得R可以通過RJDBC連結到資料庫，並獲取資料庫中存放的三大法人買賣資訊。
開始上課用第三方套件打造"真"對話機器人
本文介紹如何使用Python中的第三方套件打造一個真實的對話機器人。對話機器人可以進行自然的對話，並根據使用者的輸入提供適當的回應。文章提到可以使用NLTK或spaCy等自然語言處理套件來處理和分析使用者的輸入。同時，可以使用GPT模型等語言模型生成自然流暢的回應。另外，也可以使用SpeechRecognition等語音辨識套件實現語音輸入功能。文章指出，這些套件能夠讓應用程序能與使用者進行自然且有意義的對話。
開始上課第三方套件練習題 - 運用結巴斷詞
結巴斷詞（jieba）是一個常用的中文中文字斷詞的Python套件。該套件可以將中文文本進行分割，分離出詞彙的單位，方便進行文本分析 文字處理等自然語言處理任務。想使用結巴斷詞套件，需要先安裝並匯入該套件。以下有安裝指令和匯入代碼的示例。透過結巴斷詞可以將中文句子斷詞為詞彙的單位，方便後續的處理和分析。
開始上課檔案、Pythonic、Python 總複習
這段文字介紹了在Python中處理檔案的基本操作，包括打開 讀取 寫入和關閉檔案，並介紹了處理CSV和JSON格式檔案的方法。另外，它還提到了Python語言的哲學和風格，包括編碼風格指南和如何寫出乾淨 易讀且可維護的程式碼。最後，這個章節進行了Python基礎知識的回顧，並透過解決程式設計問題來測試學習者對於Python的理解和應用能力。
開始上課[AI人工智慧] 快速玩轉AI：使用LM Studio在個人電腦上部署Google新開源大型語言模型Gemma
![[AI人工智慧] 快速玩轉AI：使用LM Studio在個人電腦上部署Google新開源大型語言模型Gemma](https://img.youtube.com/vi/0Nc6gOJWbhk/0.jpg)
Google最近發布了新的開源大型語言模型Gemma，似乎是為了與Meta的Llama2與OpenAI展開競爭。Google 此次提供了2B和7B兩種模型，目的在應用於較低配置的運行環境上離線使用，彰顯了Google想在邊緣AI領域獨佔鰲頭的野心。以下我們將一起探討如何在個人電腦上快速利用LM Studio 部署Gemma 2B，讓大家親身體驗這款先進語言模型的卓越性能吧！
開始上課如何安裝及使用SparkR?
Spark最近版本中收錄了R語言的SparkR，這讓R語言的資料分析能夠與Spark進行無縫整合。在RStudio下的安裝過程經過實測後發現，非常簡單且與使用RHadoop撰寫MapReduce非常相似。然而，研究後發現部分機器學習的功能仍需自行撰寫，無法直接呼叫MLlib，這是目前讓人最失望的部分。
開始上課[AI人工智慧] 使用 Ollama 調用本地語言模型生成文章並且辨識圖片內容
![[AI人工智慧] 使用 Ollama 調用本地語言模型生成文章並且辨識圖片內容](https://img.youtube.com/vi/aKcAIfhzW68/0.jpg)
Ollama是一款能在個人電腦上輕鬆部署和使用語言模型的工具，透過Ollama，我們便能在終端機使用：1. 聯發科的 Breeze 7b 模型、2. 利用 Python 接合 Ollama 的端口，3. 甚至使用 Llava 模型智慧地重命名文件中的圖片。透過本地端部署的大型語言模型，便能在保障隱私與安全的前提下，有效能夠提高工作效率。
開始上課[ChatGPT] 如何利用Meta開源的Llama2模型，打造屬於自己的ChatGPT
![[ChatGPT] 如何利用Meta開源的Llama2模型，打造屬於自己的ChatGPT](https://img.youtube.com/vi/i6xZJTRv_z0/0.jpg)
ChatGPT是一個強大的語言模型，不僅可以寫信、摘要文章、翻譯，還能協助寫程式。然而，與ChatGPT對話時也引發了擔憂，擔心機密或敏感資料可能因此外流。所幸，Meta公司推出了開源的Llama2模型，可以在本地部署並在離線環境下使用。這個模型減少了與外部服務的數據傳輸，提高了安全性。本課程介紹了在Colab上使用Llama2模型的示範，包括下載、使用transformers套件載入模型以及生成對話結果。
開始上課[ChatGPT] 運用微調之力！如何將 ChatGPT 訓練成公司的客服助理
![[ChatGPT] 運用微調之力！如何將 ChatGPT 訓練成公司的客服助理](https://img.youtube.com/vi/HwkCbag4Qzk/0.jpg)
解密微調：定制專屬於你的大型語言模型！🚀 想知道如何提升ChatGPT模型性能、節省成本，還能獲得更快的回應速度嗎？透過微調(Fine-Tuning)，我們為你展現客製化模型的強大之處，讓你掌握產生高品質回應的關鍵技術！不要錯過這場關於AI革命的探索之旅，立即點擊觀看！
開始上課[ChatGPT] 個人化Llama2 ！如何在Colab中運用自己的資料集微調 Llama2 模型
![[ChatGPT] 個人化Llama2 ！如何在Colab中運用自己的資料集微調 Llama2 模型](https://img.youtube.com/vi/NqIEJAy09o4/0.jpg)
LLaMA-Efficient-Tuning 是一個簡易的大型語言模型微調框架，能夠進行PEFT並支援訓練多種大型語言模型，如LlaMA2、BLOOM、Falcon 和 Baichuan。微調步驟包括安裝 LLaMA-Efficient-Tuning、調整 dataset_info.json 加入自己的資料集描述、導入自己的監督式微調資料集、以及使用內建指令進行監督式微調和預測生成。有了Llama2，再搭配自己的資料集，相信在不久的將來，大家都可以使用LLaMA-Efficient-Tuning快速有效地微調Llama2模型以適應特定需求。
開始上課