Machine Learning LSTM LSTM 長短期記憶網路入門：解析 input gate、output gate、forget gate 的運作原理，如何解決 RNN 的長期依賴梯度消失問題，以及在 TensorFlow 中的實際應用。
Machine Learning Tensorflow2 -- MNIST TensorFlow 2.x 實作 MNIST 手寫數字辨識：比較繼承 tf.keras.Model 與 Sequential API 兩種建模方式，以及 GradientTape 自訂訓練迴圈的完整程式碼。
Machine Learning LSTM LSTM 長短期記憶網路入門：解析 input gate、output gate、forget gate 的運作原理，如何解決 RNN 的長期依賴梯度消失問題，以及在 TensorFlow 中的實際應用。
Machine Learning Kaggle Titanic Kaggle Titanic 生存預測解題紀錄：使用 Logistic Regression（sigmoid + cross entropy）進行二元分類，分析 overfitting 原因並提出 feature engineering 改善方向。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄：用 CNN 卷積神經網路辨識手寫 MNIST 數字，兩層卷積加一層隱藏層搭配 SGD，達成 0.98614 準確率。
Machine Learning TENSORFLOW 練習4: word2vec TensorFlow 練習：用 Skip-gram 模型實作 Word2Vec 詞向量，學習詞語間語意關聯（king-queen=man-woman），搭配 NCE loss 和 t-SNE 降維視覺化相似詞。
Machine Learning Tensorflow 練習3: 'FizzBuzz' TensorFlow 練習：用神經網路解 FizzBuzz 問題，兩層隱藏層（512+256）搭配 ReLU，分析 batch size 對 local minimum 的影響，加入 dropout 後訓練測試準確率同步達 1.0。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄：用 CNN 卷積神經網路辨識手寫 MNIST 數字，兩層卷積加一層隱藏層搭配 SGD，達成 0.98614 準確率。
Machine Learning Tensorflow 練習2: CNN TensorFlow 練習：用卷積神經網路 CNN 辨識 MNIST 手寫數字，實作兩層 convolution + max pooling + dropout 架構，準確率達 97%~99%。
Machine Learning Kaggle Titanic Kaggle Titanic 生存預測解題紀錄：使用 Logistic Regression（sigmoid + cross entropy）進行二元分類，分析 overfitting 原因並提出 feature engineering 改善方向。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄：用 CNN 卷積神經網路辨識手寫 MNIST 數字，兩層卷積加一層隱藏層搭配 SGD，達成 0.98614 準確率。
