這邊就放一些跟我覺得有趣的實作,演示一些做過的一些作品。
更詳盡的內容可以在introduction目錄再點進去看code的細節。

在訓練集只有正資料集的狀況,透過一些Anomaly map的方式,抓出那些與正資料集不同的區塊。
以上是實作AnomalyLib的套件,並利用PADIM model抓出那些看到異常的部分。

這裡是利用Dowhy因果模型套件來對實例進行因果推斷。
主要可以排除混淆因子所造成的影響,抓出主要有因果關係的因素有哪些。

隨著大數據時代的發展,數據隱私的問題也逐漸浮現出來,
如何對數據進行加密,並還能保持一定的可利用性都是一個問題。
這篇實作是利用 CPGAN 來找一種對資料加密的演算法,並可以找到好的可利用性,主要是復現以下這篇文章:
B. -W. Tseng and P. -Y. Wu, "Compressive Privacy Generative Adversarial Network," in IEEE Transactions on Information Forensics and Security, vol. 15

此處以YT「反正我很閒」,觀眾的回覆與影片的內容為資訊來源。
YT評論文字雲:YT評論爬蟲+文字切片+字頻分析。
YT影片精華摘取-最大觀看回顧:YT連結獲取爬蟲+最大回顧爬蟲+YT影片爬蟲+信號處理+自動剪片。
YT影片內容摘要:YT聲音爬蟲+(人聲強化)+聲音轉文字+(文檔糾錯)+字頻分析。

資料集來源取至Kaggle:Telco Customer Churn
從IBM服務的資料中可以看到顧客率流失率很高,
從一些簡單的圖表可以做初步原因的面向探討。
嚴謹一點可以使用統計檢驗與因果推斷,這邊有使用干預來排除混淆因子造成的影響,
假說拉出來,就看random exp表現如何,例子可以看這裡
但在這個例子就因果性跟相關性是一致的。
在迴歸分析方面這邊也順便做了SVM + Optuna來調參。
有些遊戲就是需要好一點的首抽開局才會玩得開心
很多時候刷首抽只是一些重複且無聊的動作,這邊是實作如何用pyautogui解放雙手
玩遊戲基本上就是看到什麼東西,然後我們再進行動作,這邊在利用open-cv做圖片辨識
主要是要把目標的文字抓出來再去做動作
註:這裡只有Demo如何寫code

7 commits
Python
100.0%
這邊就放一些跟我覺得有趣的實作,演示一些做過的一些作品。
更詳盡的內容可以在introduction目錄再點進去看code的細節。

在訓練集只有正資料集的狀況,透過一些Anomaly map的方式,抓出那些與正資料集不同的區塊。
以上是實作AnomalyLib的套件,並利用PADIM model抓出那些看到異常的部分。

這裡是利用Dowhy因果模型套件來對實例進行因果推斷。
主要可以排除混淆因子所造成的影響,抓出主要有因果關係的因素有哪些。

隨著大數據時代的發展,數據隱私的問題也逐漸浮現出來,
如何對數據進行加密,並還能保持一定的可利用性都是一個問題。
這篇實作是利用 CPGAN 來找一種對資料加密的演算法,並可以找到好的可利用性,主要是復現以下這篇文章:
B. -W. Tseng and P. -Y. Wu, "Compressive Privacy Generative Adversarial Network," in IEEE Transactions on Information Forensics and Security, vol. 15

此處以YT「反正我很閒」,觀眾的回覆與影片的內容為資訊來源。
YT評論文字雲:YT評論爬蟲+文字切片+字頻分析。
YT影片精華摘取-最大觀看回顧:YT連結獲取爬蟲+最大回顧爬蟲+YT影片爬蟲+信號處理+自動剪片。
YT影片內容摘要:YT聲音爬蟲+(人聲強化)+聲音轉文字+(文檔糾錯)+字頻分析。

資料集來源取至Kaggle:Telco Customer Churn
從IBM服務的資料中可以看到顧客率流失率很高,
從一些簡單的圖表可以做初步原因的面向探討。
嚴謹一點可以使用統計檢驗與因果推斷,這邊有使用干預來排除混淆因子造成的影響,
假說拉出來,就看random exp表現如何,例子可以看這裡
但在這個例子就因果性跟相關性是一致的。
在迴歸分析方面這邊也順便做了SVM + Optuna來調參。
有些遊戲就是需要好一點的首抽開局才會玩得開心
很多時候刷首抽只是一些重複且無聊的動作,這邊是實作如何用pyautogui解放雙手
玩遊戲基本上就是看到什麼東西,然後我們再進行動作,這邊在利用open-cv做圖片辨識
主要是要把目標的文字抓出來再去做動作
註:這裡只有Demo如何寫code

7 commits
Python
100.0%