AI Skills

 ### AI Skills \


#### Binary Classification Algorithms

- **Naive Bayes**: This algorithm guesses the class of data based on probabilities.

- **Logistic Regression**: It predicts if something belongs to a category or not, like yes or no.

- **K-Nearest Neighbors (KNN)**: It classifies data by looking at the closest examples in the dataset.

- **Support Vector Machine (SVM)**: It finds the best line that separates different classes of data.

- **Decision Tree**: It makes decisions by splitting data into branches based on features.

- **Random Forest**: It uses many decision trees to make more accurate predictions.

- **Neural Network (Deep Learning)**: It mimics the human brain to learn from data and make predictions.


#### Unsupervised Machine Learning Algorithms

- **K-means Clustering**: It groups similar data points into clusters.

- **PCA (Principal Component Analysis)**: It reduces the number of features in data while keeping important information.

- **CNN (Convolutional Neural Network)**: It is used for image recognition by processing data in layers.

- **SVMs (Support Vector Machines)**: They also classify data without labeled examples.

- **K-modes**: It is like K-means but used for categorical data clustering.


#### Dimensionality Reduction Algorithms

- **Linear Methods (PCA, LDA)**: These methods simplify data by reducing features while keeping the most important parts.

- **Non-Linear Methods (Kernel PCA)**: They reduce features by transforming data into higher dimensions for better separation.


#### Supervised Machine Learning Models

- **RAG (Retrieval-Augmented Generation)**: It enhances models by adding information retrieval to generate better results.

- **Logistic/Linear Regression**: They predict outcomes based on relationships between features.

- **Multiple Linear Regression (MLR)**: It predicts a target value using multiple features.

- **Decision Tree**: Splits data into branches to make predictions.

- **Random Forest**: Uses many decision trees for better accuracy.

- **Gradient Boosting**: Combines weak models to create a strong model.

- **XGBoost**: An advanced version of gradient boosting for better performance.

- **Likelihood of Model**: Measures how well the model fits the data.

- **Support Vector Machine (SVM)**: Finds the best boundary to separate different classes.


#### Other Techniques

- **Genetic Algorithm**: It uses the process of natural selection to find optimal solutions.

- **Simulated Annealing**: It is a method to find good solutions by slowly cooling down the search process to avoid getting stuck in bad solutions.

Comments

Post a Comment

Popular posts from this blog

香港中學學位分配辦法

 香港中學學位分配辦法 中學學位分配辦法是教育局制定的升中程序。如果你的子女想升讀政府資助的中學，便要參加這套辦法。程序分為「自行分配學位」和「統一派位」兩個階段。在第一階段，各中學把大約三成的學位作為自行分配，學校自行決定收生準則及取錄學生。在第二階段，各中學餘下的學位將用於「統一派位」。派位程序雖然複雜，但主要是根據學生所在校網、派位組別、選校意願、及隨機編號分配學位。 下圖簡介將於 2025 年升讀中一的小六學生會經歷的各個階段。 --- 1. 一月（Jan）— 各中學接受自行分配學位申請 - 官方描述：各中學接受學生申請自行分配學位。 - 學生行動：   - 學生選擇最多兩所心儀學校並遞交表格。   - 示例：一名學生選擇了「F1」和「F2」，這兩所學校是參與派位的學校。 --- 2. 二月（Feb）— 各中學進行面試甄選學生 - 官方描述：各中學進行面試，根據學生成績、面試表現及其他因素決定取錄。 - 學生行動：   - 學生需前往學校參加面試，表現將影響取錄結果。   - 示例：學生希望自己能夠好好表現，但取決於學校的錄取標準。 --- 3. 三月（Mar）— 學生參加面試 - 官方描述：學生會接到學校的面試邀請，學校會根據成績及面試表現決定是否錄取。 - 學生行動：   - 學生進行面試後等待結果。   - 示例：學生努力準備面試，希望獲得學校的取錄。 --- 4. 四月（Apr）— 學生遞交中一派位選擇學校表格 - 官方描述：無論學生是否獲得自行分配學位，都必須遞交統一派位學校選擇表格。 - 學生行動：   - 如果未獲得自行分配學位，學生將進入統一派位程序。   - 示例：學生選擇了三所不受校網限制的學校（A1-A3），以及30所校網內的學校（B1-B30）。 --- 5. 五月（May）— 統一派位階段 - 官方描述：學生正式遞交學校選擇表格，等待派位結果。 --- 6. 六月（Jun）— 教育局準備公布派位結果 - 官方描述：教育局準備發佈派位結果，學生即將得知學校分配情況。 --- 7. 七月（Jul）— 教育局公布中學學位派位結果 - 官方描述：教育局正式公佈派位結果。 - 學生行動：   - 獲得學位的學生須前往該中學註冊報到。  ...
Read more

spring application.xml spring.jpa.hibernate.ddl-auto

spring.jpa.hibernate.ddl-auto = update spring.jpa.hibernate.ddl-auto = create 在Spring Boot项目中，`spring.jpa.hibernate.ddl-auto`是一个配置属性，用于指定Hibernate在启动时自动执行数据库模式的动作。这个属性通常在`application.properties`或`application.yml`中设置，用于管理数据库模式（表结构）的创建和更新。 1. `spring.jpa.hibernate.ddl-auto = update`： 当设置为`update`时，Hibernate会在启动时检查数据库模式（表结构）与当前的实体类定义之间的差异，并自动更新数据库以反映这些差异。这意味着如果数据库中不存在某个表或某些字段，Hibernate会自动创建它们。如果实体类的定义发生更改，例如添加新字段或更改字段类型，Hibernate也会相应地修改数据库模式。 请注意，`update`操作是谨慎的，并且在生产环境中需要小心使用。它可能会导致数据丢失或不可预料的结果。在生产环境中，通常不建议使用`update`，而是手动执行数据库迁移工具来控制数据库模式的更新。 2. `spring.jpa.hibernate.ddl-auto = create`： 当设置为`create`时，Hibernate会在启动时删除数据库中的所有表，并重新创建它们，以及相应的关系和约束。这意味着每次应用程序启动时，数据库中的数据都会被清空，并根据实体类的定义重新创建。这种设置通常用于开发和测试环境，在每次应用程序重新启动时重新构建数据库结构。 请注意，`create`操作会导致数据丢失，因为每次启动时都会清空数据库。在生产环境中，绝对不应该使用`create`，因为它会导致生产数据丢失。 总结：在生产环境中，通常推荐将`spring.jpa.hibernate.ddl-auto`设置为`none`，这样Hibernate不会自动执行任何数据库模式的更改。而是使用数据库迁移工具（如Flyway或Liquibase）来管理数据库结构的变更，以确保数据的完整性和持久性。 示例配置： ```properties # application....
Read more

191 Designated regional areas

Image
 https://immi.homeaffairs.gov.au/visas/working-in-australia/regional-migration/eligible-regional-areas#content-index-1 Overview Most locations of Australia outside major cities (Sydney, Melbourne and Brisbane) are classed as designated regional areas for migration purposes. Designated regional areas The regional definition is comprised of 2 categories and offers regional incentives for skilled migrants who migrate to locations classified as Category 2 ‘Cities and Major Regional Centres’ or Category 3 ‘Regional Centres and Other Regional Areas’: Category 2 – ‘Cities and Major Regional Centres’ of Perth, Adelaide, the Gold Coast, the Sunshine Coast, Canberra, Newcastle/Lake Macquarie, Wollongong/Illawarra, Geelong and Hobart have access to the following regional incentives: Priority processing of regional visas Access to the Regional Occupations List – more jobs compared to non-regional lists International graduates with a bachelor or higher qualification from a region...
Read more