從傅立葉級數到快速傅立葉轉換

傅立葉轉換(FFT)是一種數學上的線性積分變換方式,能將週期函數使用轉換為另一個函數。在數位信號處理領域上,透過傅立葉轉換可將資料從時域波形轉換到頻譜上,也就是將訊號進行分解為基礎組合,在現代的物理與工程等許多領域有大量的應用。本文將從傅立葉級數開始介紹,從其中導出離散傅立葉轉換(DFT)與快速傅立葉轉換(FFT),並以 Python 來實作範例。

非大眾化的傑出推理漫畫 - Q.E.D. 與 C.M.B.

在說到推理漫畫作品時,許多人可能第一時間想到的可能是柯南,金田一等作品,但這次要介紹的是不同於上面兩部,而是比較不為大眾所知卻非常優秀,由日本漫畫家加藤元浩所連載的推理漫畫 - Q.E.D. 證明終了C.M.B. 森羅博物館事件目錄 這兩個作品。與其他推理漫畫不同的是,Q.E.D. 與 C.M.B. 並沒有使用如神秘組織,主角宿敵,說教,男女配對發展等大眾化元素,而是著重在故事性以及推理內容上的本格派推理漫畫。作品從 1997 年開始連載至今已經已經超過 20 年以上仍然維持著相同的基調,可說是推理漫畫界的清流。

Git 學習要點

Git

自從 Git 從 2005 年出現後,到現在幾乎所有軟體開發者都離不開他,加上 GitHub 等服務讓 Git 甚至能當成網頁空間或線上文件共筆平台等。但 Git 初學時可能有許多人不知道如何入門,本篇將簡單整理個人的 Git 學習方式,使用建議與需要注意的概念等,並不會詳細說明 Git 指令等內容。

機器學習資料集 - Iris dataset

當我們有一個新的機器學習演算法時,為展現其效果以及與其他演算法的差異,我們可以使用共通的資料集(Dataset)來進行測試與比較,才有一個共同的標準。本篇將簡單介紹 Iris dataset 內容與結構,之後也會持續介紹許多常用的 Dataset 相關內容。

Kepler.gl 使用簡介

Kepler.gl 使用簡介

過去在做地理資訊是視覺化的時候,通常需要專業的軟體與操作技能,增加了一般使用者的進入障礙。Uber 在今年五月時開放了內部使用的地理資料視覺化軟體 Kepler.gl,提供一般使用者能在瀏覽器上輕易地匯入與操作資料進行地理資訊視覺化操作與檢視。本文章將簡單介紹 Kepler.gl 的用法,讓剛使用者能了解其基礎用法。

ThinkBayes 心得筆記 - Chapter 8

Chapter 8 作者介紹了自己實際通勤的案例,並從地鐵班表建立一個數據模型,由月台上的等車人數推測是否應該繼續等待下去,或是轉搭計程車前往目的地。

ThinkBayes 心得筆記 - Chapter 7

Chapter 7 介紹了如何使用 Bayes 預測比賽結果。作者以 2010-2011 NHL 的冠軍賽為範例,以 Poisson 分佈來計算 Boston Bruins 的比賽勝率,並進一步預測系列賽結果。

ThinkBayes 心得筆記 - Chapter 6

Chapter 6 介紹了一個猜價格遊戲,並從歷史資料 dataset 中,求出得出要如何才能有最高的期望回饋。本範例中介紹如何使用 KDE 建立 PDF 以及 Likelihood 並得出 Posterior,最後以該數值建立最佳的期望回饋值分佈以得出如何得出最佳 Bid。