Covid19 分析案例

• 大數學堂
• 2022年5月23日 00:00

本章介紹Python進行Covid19分析的案例，從相關數據集中提取信息，使用數據科學工具進行分析和視覺化。透過案例，學習使用Python進行數據清理 聚合 統計分析和預測模型建立等任務，了解Covid19的傳播情況和趨勢。

開始上課

[分類實戰] 如何使用Spark 預測客戶是否流失(Part 1)?

• 大數學堂
• 2015年6月15日 15:53

這篇文章介紹了如何使用Spark進行機器學習。只要將資料整理成特徵和標籤的格式，就能夠使用MLlib提供的演算法進行快速分類。這樣的分類技術不僅能夠選出土豆，還能夠預測電信業客戶是否流失。然而，在進行分類之前，我們需要對資料進行整理，以使其符合分類演算法的要求。

開始上課

[分類實戰] 如何使用Spark 預測客戶是否流失(Part 2)?

• 大數學堂
• 2015年6月18日 16:14

MLlib 提供了決策樹分類的功能，使用DecisionTree.train可以輕鬆建立模型並預測客戶是否流失。此外，也可以使用不同的套件計算準確度和AUC，使用Spark來分析大量的資料非常簡便和迅速。

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

• 大數學堂
• 2023年7月31日 21:00

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

[時間序列] 如何抓取電影 「復仇者聯盟4-終局之戰」的票房數據?

• 大數學堂
• 2019年5月23日 15:13

這篇文章提到了觀眾對於《復仇者聯盟4-終局之戰》能打破《阿凡達》的票房紀錄的期望，並介紹了建立時間序列預測模型來預測是否成真的方法。作者提到使用Python網路爬蟲從Box Office Mojo上搜集票房數據。原文中還提供了相關程式碼的連結。

開始上課