標籤

機器學習

機器學習涵蓋模型訓練、特徵工程、評估與部署，也連到資料科學職缺、課程實作、廣告排序與學術投稿等場景。這個標籤整理的是技術如何從 notebook、競賽到線上系統落地，適合追蹤方法、工具與應用脈絡。

7 篇文章

LogicMojo AI/ML 課程筆記本倉庫解析

LogicMojo Jan 2026 的 AI/ML GitHub 倉庫，以 Jupyter Notebook 收錄作業、練習與專題。這類課程型 repo 雖小，卻很適合看出學習軌跡與實作能力。

GitHub 上有個 2026 新鮮人資料科學職缺板，收錄 220 個入門職缺、94 家公司，每 15 分鐘更新一次。

Meta 調整 Instagram 廣告排序模型後，轉換率提升 3%，點擊率增加 5%。這次變動靠即時訊號與更省算力的排程，對廣告主和投放策略都很有看頭。

想投 2026 年 AI、機器學習、電腦視覺或醫學影像論文，現在就得排時程。這份整理把 ICLR、NeurIPS、CVPR、MICCAI 等會議的常見投稿節奏、適合題型與規劃重點一次講清楚。

一個整理在 GitHub 的 2026 會議清單，收錄 AI、機器學習、醫療、創業與 EA 活動，橫跨歐洲、美國、亞洲與澳洲。對想提早排預算、訂機票和抓投稿時程的人很實用。

GitHub 上的 AIML-2026 列出 10 個人工智慧與機器學習實驗題，但內容更像課程大綱。星數與 fork 都是 0，連結也有缺漏，實際可執行的程式與說明偏少。

Louis Bouchard 整理的 GitHub 專案把機器學習與人工智慧入門資源集中在一起，從 Python、數學、課程到求職建議都有，適合 2026 想自學 ML 的初學者。