我通过了微软专业人员认证考试，考试的名称是「Microsoft DAT273x: Data Science Research Methods: Python Edition（资料科学研究方法：Python版）」。 这门考试有五个模块，分别是１、The Research Process（研究过程）；２、Planning for Analysis（规划分析方法）；３、Research claims（研究声称）；4、Measurement（测量）和５ 、相关性和实验设计。 首先，我们需要了解甚么是研究过程？和如何识别研究的类型？当我们有一个研究题目，重要的是如何分辨这是甚么样的研究，例如：分析、基础研究、应用研究、等等。 其次，了解样本和结果之间的关系。置信区间提供甚么样的信息？甚么是 FP、FN、TP和TN（false positive, False Negative, True Positive, and True Negative）。 第三，我们需要了解甚么是 frequency claims、association claims 和 causal claims，这部影片有范例说明（ https://www.youtube.com/watch?v=PvkmEi65gIc ）。 第四，这个模块提供了关于测量的知识。甚么是李斯特量表、可靠度和有效性。 第五，相关性和实验设计的模块提供了更详细关于设计方面的知识。双变量因子和多变量因子设计，这主题讨论了组之间和组织内的实验设计，和多重因子设计。让研究更具可靠性。 总结，这个测验并不难。有很好的视讯教材。只需要随着教材，回答问题就可以了。但是，还是需要理解教材的内容，并且要定义清楚关于研究领域的知识。 Figure 1 This is my grade. Figure 2 This is my certificate of the DAT273x.

我通過了微軟專業人員認證考試，考試的名稱是「Microsoft DAT273x: Data Science Research Methods: Python Edition（資料科學研究方法：Python版）」。 這門考試有五個模組，分別是１、The Research Process（研究過程）；２、Planning for Analysis（規劃分析方法）；３、Research claims（研究聲稱）；4、Measurement（測量）和５ 、相關性和實驗設計。 首先，我們需要了解甚麼是研究過程？和如何識別研究的類型？當我們有一個研究題目，重要的是如何分辨這是甚麼樣的研究，例如：分析、基礎研究、應用研究、等等。 其次，了解樣本和結果之間的關係。置信區間提供甚麼樣的資訊？甚麼是 FP、FN、TP和TN（false positive, False Negative, True Positive, and True Negative）。 第三，我們需要了解甚麼是 frequency claims、association claims 和 causal claims，這部影片有範例說明（ https://www.youtube.com/watch?v=PvkmEi65gIc ）。 第四，這個模組提供了關於測量的知識。甚麼是李斯特量表、可靠度和有效性。 第五，相關性和實驗設計的模組提供了更詳細關於設計方面的知識。雙變量因子和多變量因子設計，這主題討論了組之間和組織內的實驗設計，和多重因子設計。讓研究更具可靠性。 總結，這個測驗並不難。有很好的視訊教材。只需要隨著教材，回答問題就可以了。但是，還是需要理解教材的內容，並且要定義清楚關於研究領域的知識。 Figure 1 This is my grade. Figure 2 This is my certificate of the DAT273x.

I passed the DAT273x exam, and obtained the certification. The topic of the certification is called "Data Science Research Methods: Python Edition". I want to share my experience about the exam. There are five modules: 1. The Research Process, 2. Planning for Analysis, 3. Research claims, 4. Measurement and 5. Correlational and Experimental Designs. First, we need to understand what is the research process? And how to identify the research type? When we have a topic of study, then it's important that identify the study, such as Analytics, Basic research, applied research, etc. Second, to understand the relation between the sample and the result. What kind of the information in the confidence interval? What is FP, FN, TP, and TN (false positive, False Negative, True Positive, and True Negative). Third, we need to understand what is frequency claims, association claims and causal claims? The video provides explain on the YouTube ( https://w

微软专业人员证照：Microsoft DAT256x「Essential Math for Machine Learning Python Edition」测验 我通过了DAT256x考试，并获得了认证。认证的主题称为「机器学习的基本数学：Python版」。 我想分享一下考试的经验。 代数基础和一元二次方程式和函数。 数学难易度差不多是国中程度。在导数和优化部分，微积分基础、微分和导数课程的数学水平差不多是高中程度。 在〝向量和矩阵〞部分中，计算和操作符号是两个主要主题。 只需按照教程视频，您就可以通过测验。 在统计与机率的部分，只需了解统计数据的偏差和基本统计方法，就可以通过考试了。 关于机率，需要计算。 必须了解机率的计算方法。 总之，考试并不难。 有很好的视讯教程。 您只需按照教程，然后计算这些问题。 如果您忘记了计算方法，那么您可以在教程中找到答案。 别担心。 Figure 1 This is my grade. Figure 2 This is my certificate of the DAT256x.

微軟專業人員證照：Microsoft DAT256x「Essential Math for Machine Learning Python Edition」測驗 我通過了DAT256x考試，並獲得了認證。認證的主題稱為「機器學習的基本數學：Python版」。 我想分享一下考試的經驗。 代數基礎和一元二次方程式和函數。 數學難易度差不多是國中程度。在導數和最佳化部分，微積分基礎、微分和導數課程的數學水平差不多是高中程度。 在〝向量和矩陣〞部分中，計算和操作符號是兩個主要主題。 只需按照教程視頻，您就可以通過測驗。 在統計與機率的部分，只需了解統計數據的偏差和基本統計方法，就可以通過考試了。 關於機率，需要計算。 必須了解機率的計算方法。 總之，考試並不難。 有很好的視訊教程。 您只需按照教程，然後計算這些問題。 如果您忘記了計算方法，那麼您可以在教程中找到答案。 別擔心。 Figure 1 This is my grade. Figure 2 This is my certificate of the DAT256x.

Microsoft: DAT256x Essential Math for Machine Learning: Python Edition I passed the DAT256x exam, and obtained the certification. The topic of the certification is called "Essential Math for Machine Learning: Python Edition". I want to share my experience about the exam. There are two lessons that are Algebra Fundamentals and Quadratic Equations and Functions. The level of Math is about junior high school. In Derivatives and Optimization section, the math level of the Differential Calculus Foundations and Differentiation and Derivatives lessons is about senior high school. In Vectors and Matrices section, the calculation and operation symbol are two major topics. Just following the tutorial video, then you will get them. In Statistics and Probability section, just understand about skewed of the statistics, and basic statistics method. Then you will pass the exam. About Probability, there has calculate needed. Must understand the calculation method of the probabi

优化处理策略之快速消除扭曲算法 我们的论文（优化处理策略之快速消除扭曲算法；A Quickly Dewarping Algorithm of Optimization Processing Strategy）被 2019 工程科技应用研讨会 接受了。 会议地点在台北城市科技大学的工程学院，举办日期是公元二零一九年四月十二日。 最近，全景图像的应用逐渐变得越来越有用。优点是一个能够捕捉360度图像的相机。但是，360度图像是饼图像。因此，Dewarping技术有助于饼图像转换为平面图像。在本研究中，不需要参考额外的信息，如摄像机参数，镜头参数，视频或图像参数等。本研究提出了去扭曲算法的优化处理策略。策略和算法进一步改善了性能。快速去扭曲算法能够将圆（全景图像）快速变换为平面图像。优化处理策略能够提高算法的性能。用于评估性能，本研究中使用的CPU负载。比较其他Dewarping算法的性能。结果，这项研究在性能方面优于其他Dewarping算法。 本研究旨在研究去扭曲算法的快速计算和低CPU负载。 例如，图2是原始图像。 图3显示了本研究的基线。 图4是研究的结果图像（全景图像）。 图2 原始图像 图3 显示了本研究的基线 图4 研究的结果图像（全景图像） 表1是比较概览表[8]。 有六家公司的算法和我们提出的算法。 这项研究支持所有鱼眼相机和特殊鱼眼相机（Cata-Fisheye相机）。 有不同之处在于是否使用GPU。 虽然有两家公司使用GPU进行去扭曲算法。 但是，当应用OpenCL来使用GPU时，NUUO的去扭曲算法的CPU负载为19％。 当源图像的分辨率为1920 x 1440时，我们提出的CPU负载为3.65％。图5是我们提出的算法的CPU负载图。 表1 比较概览表 User additional effort Generic De-warp Support vendor Calibration GPU Acceleration NUUO No need Yes All fi

最佳化處理策略之快速消除扭曲演算法 我們的論文（最佳化處理策略之快速消除扭曲演算法；A Quickly Dewarping Algorithm of Optimization Processing Strategy）被 2019 工程科技應用研討會 接受了。 會議地點在台北城市科技大學的工程學院，舉辦日期是西元二零一九年四月十二日。 最近，全景影像的應用逐漸變得越來越有用。優點是一個能夠捕捉3​​60度影像的相機。但是，360度影像是圓形影像。因此，Dewarping技術有助於圓形影像轉換為平面影像。在本研究中，不需要參考額外的信息，如攝像機參數，鏡頭參數，視頻或影像參數等。本研究提出了去扭曲演算法的優化處理策略。策略和演算法進一步改善了性能。快速去扭曲演算法能夠將圓（全景影像）快速變換為平面影像。優化處理策略能夠提高演算法的性能。用於評估性能，本研究中使用的CPU負載。比較其他Dewarping演算法的性能。結果，這項研究在性能方面優於其他Dewarping演算法。 本研究旨在研究去扭曲演算法的快速計算和低CPU負載。 例如，圖2是原始影像。 圖3顯示了本研究的基線。 圖4是研究的結果影像（全景影像）。 圖2 原始影像 圖3 顯示了本研究的基線 圖4 研究的結果影像（全景影像） 表1是比較概覽表[8]。 有六家公司的演算法和我們提出的演算法。 這項研究支持所有魚眼相機和特殊魚眼相機（Cata-Fisheye相機）。 有不同之處在於是否使用GPU。 雖然有兩家公司使用GPU進行去扭曲演算法。 但是，當應用OpenCL來使用GPU時，NUUO的去扭曲演算法的CPU負載為19％。 當源影像的分辨率為1920 x 1440時，我們提出的CPU負載為3.65％。圖5是我們提出的演算法的CPU負載圖。 表1 比較概覽表 User additional effort Generic De-warp Support vendor Calibration GPU Acceleration NUUO No need

A Quickly Dewarping Algorithm of Optimization Processing Strategy Our proposed (A Quickly Dewarping Algorithm of Optimization Processing Strategy) was accepted to the engineering technology application conference in 2019 . The conference place is in the College of Engineering of the Taipei City University of Science & Technology (TPCU) in Taiwan (R.O.C.), and Conference Date on 12th April, 2019. Recently, the applications of the panoramic image are useful progressively more and more. The advantage is one camera that is able to catch 360-degree image. However, the 360-degree image is a circle image. Therefore, the Dewarping technology is helpful that the circle image transforms into a plane image. In this study, do not need to refer to extra information, such as camera parameters, lens parameters, video or image parameters, etc. The Optimization Processing Strategy for the Dewarping Algorithm is proposed in this study. The Strategy and the Algo

基于摇晃实时视讯之强韧式火焰侦测法 我们的论文被 2019 工程科技应用研讨会 所接受。会议日期是公元二零一九年四月十二日，地点在台北城市科技大学的工程学院。 我们将研究成果放在 GitHub，网址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS ，我们提供部分的程序原始码，以及完整的实验档案。 火焰侦测的两个关键问题是高准确率和低误报率，本研究主要关注后者。在过去，来自监视的静态视频 - 用于分析和发现火焰。然而，这些研究是使用背景方法进行的，后者无法处理动态视频，例如用手机拍摄的视频。为了实现静态和动态视频的全自动火焰检测，本研究采用了两种高效策略。首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。火焰颜色过滤器规则有助于过滤火焰候选区域。其次，高性能分析方法：通过运动向量法和填充率过滤火焰或非火焰，然后使用组来建立火焰的轮廓。我们的实验结果表明，静态，动态（包括摇晃）和实时视频的结果为92.83％（TP），9.76％（FP），1.77％（FN）。 本研究旨在从不稳定的火场景镜头或从不同角度拍摄的镜头中检测火焰。 本节讨论了所提出的火焰检测方法的可行性和可靠性。 使用所提出的方法构建高效火焰检测移动相机系统（HEFD-MCS）。 实验结果证明HEFD-MCS可以正确捕捉火焰。 图１ 火焰侦测系统流程图 图１显示了所提出系统的过程。 火焰检测有两个主要步骤。 首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。 火焰颜色过滤器规则有助于过滤火焰候选区域。 其次，高性能分析方法：通过运动矢量法和填充率过滤火焰或非火焰，然后使用组建立火灾探测轮廓。 大多数摇摇欲坠的视频来自I.M.C. 数据库（中山大学智能媒体计算实验室）。 按照I.M.C. 火灾数据集网站截至2015年1月19日，http://vision.sysu.edu.cn/systems/fire-detection/）。 森林火灾1 (forst 1)和森林火灾2 (forst 2)视频都来自A. E. Cetin [2]。 （截至2018年11月12日，基于计算器视觉的火灾探测软件.http://signal.ee

基於搖晃即時視訊之強韌式火焰偵測法 我們的論文被 2019 工程科技應用研討會 所接受。會議日期是西元二零一九年四月十二日，地點在台北城市科技大學的工程學院。 我們將研究成果放在 GitHub，網址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS ，我們提供部分的程式原始碼，以及完整的實驗檔案。 火焰偵測的兩個關鍵問題是高準確率和低誤報率，本研究主要關注後者。在過去，來自監視的靜態視頻 - 用於分析和發現火焰。然而，這些研究是使用背景方法進行的，後者無法處理動態視頻，例如用手機拍攝的視頻。為了實現靜態和動態視頻的全自動火焰檢測，本研究採用了兩種高效策略。首先，特徵提取：建立強Sobel邊緣和火焰紋理，然後增強圖像邊緣。火焰顏色過濾器規則有助於過濾火焰候選區域。其次，高性能分析方法：通過運動向量法和填充率過濾火焰或非火焰，然後使用組來建立火焰的輪廓。我們的實驗結果表明，靜態，動態（包括搖晃）和實時視頻的結果為92.83％（TP），9.76％（FP），1.77％（FN）。 本研究旨在從不穩定的火場景鏡頭或從不同角度拍攝的鏡頭中檢測火焰。 本節討論了所提出的火焰檢測方法的可行性和可靠性。 使用所提出的方法構建高效火焰檢測移動相機系統（HEFD-MCS）。 實驗結果證明HEFD-MCS可以正確捕捉火焰。 圖１ 火焰偵測系統流程圖 圖１顯示了所提出系統的過程。 火焰檢測有兩個主要步驟。 首先，特徵提取：建立強Sobel邊緣和火焰紋理，然後增強圖像邊緣。 火焰顏色過濾器規則有助於過濾火焰候選區域。 其次，高性能分析方法：通過運動矢量法和填充率過濾火焰或非火焰，然後使用組建立火災探測輪廓。 大多數搖搖欲墜的視頻來自I.M.C. 數據庫（中山大學智能媒體計算實驗室）。 按照I.M.C. 火災數據集網站截至2015年1月19日，http://vision.sysu.edu.cn/systems/fire-detection/）。 森林火災1 (forst 1)和森林火災2 (forst 2)視頻都來自A. E. Cetin [2]。 （截至2018年11月12日，基於計算機視覺的火災探測軟件.http://signal.ee

A Robust Flame Detection Method Base for Shaky Real-Time Video Our proposed was accepted to the engineering technology application conference in 2019 . The conference place is in the College of Engineering of the Taipei City University of Science & Technology (TPCU) in Taiwan (R.O.C.), and Conference Date on 12th April, 2019. We provide the files of our study that the part of the source code of the HEFD-MCS (A High Efficiency Flame Detection Mobile Camera System), and experiment files. These files are in the GitHub, and the hyperlink is https://github.com/laitaiyu/ComputerVision__HEFD-MCS  . Two key issues of flame detection are high accuracy and low false alarm rate, and this study focuses the latter. In the past, static video from surveillance camer-as was used to analyze and find the flames. However, these studies were conducted us-ing the background method, which cannot process dynamic videos such as the video taken with a mobile phone. In order to achie