Ray Tech

 前言：      話說最近的我又重回學習網頁技能的懷抱，主要在工作開發上看到一些以前未學到的新技術，所以來寫一篇關於最近學習到的技能的知識點。   HTML and CSS 開發時: 1. 關於前端框架: 开箱即用的开发服务器 + 打包工具的组合，更轻更快 :      Vite:   https://vitejs.dev/ 不用拋棄HTML，你還是可以極速建立最潮的網站。 ( 輕鬆的客製化、 適應任何設計，而且建置輕巧。 )      TailwindCss: https://tailwindcss.com/     以前會用的工具(加快開發和排版工具「原來現在是old school工具了」)：      Bootstrap : https://getbootstrap.com/      Foundation: https://get.foundation/     aplinejs :   https://alpinejs.dev/   2. 前端工具快捷開發用(含JS): Material Design Framework Vue UI Library with beautifully handcrafted Material Components      Vuetify:  https://vuetifyjs.com/en/ Javascript和後端開發時:  1. 訪問API通用Fetch and Axios: Fetch：

Environment Module安裝： 官方教學： https://modules.readthedocs.io/en/latest/INSTALL.html Requirements: yum install -y python3 pip3 install runtest yum install -y tcl yum install -y tcl-devel yum install -y dejagnu yum install -y gcc yum install -y autoconf yum install -y autopoint yum install -y python3-sphinx Install : cd /opt curl -LJO https://github.com/cea-hpc/modules/releases/download/v5.0.1/modules-5.0.1.tar.gz tar zxf modules-5.0.1.tar.gz cd modules-5.0.1 ./configure make make install Add the Path : 用在單用戶： echo source /opt/modules-5.0.1/init/bash >> ~/.bashrc # 加了為了定位你那個module environment 可用 echo export MODULEPATH=/usr/local/Modules/modulefiles/ >> ~/bashrc       # 加了為了定位你module av 的路徑 source ~/.bashrc 用在全局用戶： echo source /opt/modules-5.0.1/init/bash >> /etc/profile echo export MODULEPATH=/usr/local/Modules/modulefiles/ >> /etc/profile source /etc/profile Options install: yum install -y vim yum install -y wget Options suggest: ca...

  引言： 機器學習是人工智慧（AI）的分支，著重於訓練電腦從資料中學習，並根據經驗改進，而不是按照明確的程式碼運行作業。在機器學習中會訓練演算法尋找大型資料集的模式和關聯性，並根據該分析做出最佳決策和預測。機器學習應用程式會隨著使用不斷改善，存取的資料越多、準確度越高。機器學習廣泛應用於我們的家中、購物車、娛樂媒體，以及醫療保健業。 最早在1950年喺Alan圖靈的論文《計算機與智能》中 提起機械能思考嗎？ 就開始了人工智能嘅新領域， 當時他提出了一個理論， 了解機械能是否能思考要通過一個The Imitation Game 去判斷， 後來又叫 圖靈測試 ， 只要有一個發問人C向兩個房間（機械人和正常人類）同時連續發問， 並判斷那一邊為人類， 如果最後測試結果超過30%認定機械人為人類， 那麼這個機械人就通過圖靈測試。 最特別在1997年的IBM 深藍大戰Garry Kasparov 的象棋大戰中，IBM Deep Blue 獲得最後嘅勝利展開了人工智能第一次的高峰， 但當時Deep Blue實際上只是窮舉所有的可能性並選擇最優解。 所以在有無數可能的現實生活中， 這種窮舉的方法並不能套用在現實生活中。 所以引伸了機械學習的到來。。。   機械學習： 首先為咗減少記憶嘅作用，人們也很擅長把物件進行分類， 所以機械學習就由分類問題開始引伸。在清晰講解機械學習原理時先說明什麼是 梯度下降 。 梯度下降法： 由21世紀最著名嘅YouTuber李永樂老師中的預測房價例子可知。 1. 首先當我們要預測房價我們可以有價格和面積製作坐標軸並得知房價會因面積大小影響， 所以他們會根據什麼關係?而最簡單的就是線性擬合關係即公式 y = w x + b (當中w 為斜率，b為截距)   但是大家都知道直線冇可能經過所有的點， 而且他們之間有一個距離 delta y, 即使條直線並沒有達到每一個點, 但如果我說這個預測是精準的，因為我們求出了他這條函數基於所有點來說誤差最少， 而這個我們叫它 損失函數 MSE    而問題在於(y - yi)中 yi = (wx + b) 因為我們要找到合適的參數W和b 當然我們可以使用 最小二乘法 來計算 （ 簡單了解 最小二乘法 ） 但是當你的參數非常之多的時候， 你並不能使用最小二乘法...