核心功能與技術
模型訓練類別:使用者可以訓練電腦辨識以下三種數據類型:
技術原理:該工具底層使用 TensorFlow.js,並採用「遷移學習 (Transfer Learning)」技術。它使用預先訓練好的 MobileNetV2 模型作為基礎,僅訓練神經網路的最後幾層,從而大幅縮短訓練時間並降低對資料量的需求。
導出與應用:訓練完成的模型可以匯出為 TensorFlow.js、TensorFlow 或 TensorFlow Lite (TFLite) 格式,應用於網站、手機 App 或 Arduino、Coral 等硬體裝置。
STMicroelectronics +4
教育與實驗價值
易用性:主要面向學生、教師與初學者,幫助其理解機器學習的基本概念(如資料集、標籤、過擬合等)。
隱私保護:訓練數據預設保存在使用者本地電腦,除非選擇儲存至 Google 雲端硬碟,否則不會離開裝置。
進階設定:雖然簡單,但亦允許使用者微調超參數,如 Epochs (迭代次數)、Batch size (批量大小) 與 Learning rate (學習率)。
Teachable Machine +3


jim simons, 66%,監督式學習,Teachable Machine, 截圖(snip,win-shift-s)
財經,理論,自動化,程式化,機器學習,jim Simon's
trading view,python程式交易
應用項目,ai策略(資料收集, 策略規劃, 回測實證)
期中考(基本概念名詞+企劃海報+文字說明)
成果發表(期末考: 5-10分鐘影片)
Jim Simons: How To Achieve a 66% Return Per Year (7 Strategies)吉姆·西蒙斯(Jim Simons):如何實現每年66%的回報(7種策略)