機器學習 機器學習作為實現AI的一種方式，也在近年來被無數科技大廠以及各所名校投入海量的資源進行研究。此文會紀錄簡單的機器學習筆記。 機器學習是基於統計學去預測未來發展的學問。與人類由因而果的思考模式相比，機器學習更像是倒果為因。儘管無法清楚地闡述因果關係，但這不妨礙機器學習在生活上有著極其多元的應用。機器學習主要分為以下幾種分類，再往下會有一些常見的應用，如圖。 graph TD; Machine_Learning[Machine Learning] Machine_Learning --> Supervised_Learning(Supervised Learning) Machine_Learning --> Unsupervised_Learning(Unsupervised Learning) Machine_Learning --> Reinforcement_Learning(Reinforcement Learning)

數位電路是目前 IC 設計的核心，數位 IC 具有高穩定、開發週期短、抗雜訊能力高、可移植性高等等的優點。目前市面上的半導體核心產品，包括 CPU、GPU、MCU 等等，其主體皆是以數位電路的形式實現，而數位IC相較於類比IC，更適用於先進製程，這也是數位IC的一大優勢。接下來我們一起來看數位IC的開發流程。 Digital Circuit Design Process 首先在開始說明之前，我先介紹一下EDA Cloud的環境。根目錄下分成許多資料夾，絕大多數和EDA Cloud的設定有關，我們既不能看也不能更改。因此我們直接 cd /cad/CBDK/ 底下會看到各個製程，選擇自己的進入。 cd /cad/CBDK/CBDK_TSMC90GUTM_Arm_v1.2/CIC 仔細觀察會發現不管有沒有v1.2都會指向相同路徑。 到這邊會發現底下有一堆tool，ICC、DC、Innovus 等等，需要用到的對應文件都在裡面。之後從這邊搜索即可。

一個程式語言，都會有幾種最基礎的資料形態。就像是所有分子都由元素週期表上的元素所組成，資料形別代表了程式中的所有輸入和輸出，以及中間被運算的所有單元。一個程式語言通常有以下幾種基本的資料型別， int float char 在C語言中，還有其他資料型別如下， char bool

Quant 產業的核心在於透過數據與演算法發掘市場中的無效率並將其轉化為可持續的回報，正如 Two Sigma 的聯合創辦人 David Siegel 所言："The market is not efficient—it’s just less inefficient than before."（市場並非有效率，而只是比以前少了些低效。）。此外，Hudson River Trading（HRT）強調，量化交易的本質是將市場視為一個需要不斷優化的工程問題，體現了其「Code is our edge」的核心理念。