[爬蟲實戰] 如何抓取某知名財報網站的資訊 ?

• 大數學堂
• May 30, 2015, 9:40 a.m.

縱使針對網站進行多層保護，但只要爬取資料的思路正確，破解任意網站只是時間問題。就像這個知名財經網站，儘管檢查使用者是否使用爬蟲或內嵌iframe，仍無法逃脫被爬取的命運。

開始上課

如何使用R 的 Quantmod 套件快速蒐集股價資訊並計算技術指標?

• 大數學堂
• May 24, 2015, 4:22 p.m.

在R中，使用Quantmod套件可以輕鬆地蒐集股價資訊並計算技術指標。這比自己寫程式更簡單，省去了許多麻煩。

開始上課

如何在五分鐘內透過AWS的EMR服務快速開啟一個Hadoop叢集?

• 大數學堂
• May 20, 2015, 4:38 p.m.

這篇文章介紹了如何使用Amazon EC2的EMR服務快速建立Hadoop叢集，並指出這將使巨量資料分析變得非常簡單。同時，文章也提到如果讀者對Hadoop和其生態系統有更多興趣的話，可以參考由作者和Tibame共同開設的線上課程。

開始上課

如何透過OpenCV 破解台灣證券交易所買賣日報表的驗證碼(Captcha) (Part 2)?

• 大數學堂
• May 17, 2015, 12:57 p.m.

本文介紹了破解驗證碼的方法。首先將驗證碼分解成獨立的字母圖片，然後使用OCR技術辨識圖像文字。作者嘗試了使用pytesser進行圖片辨識，但效果不佳，所以使用Word建立基準圖片，並使用Mean Square Error計算兩張圖片的相似度。結果表明，這種簡單的方法可以輕鬆破解驗證碼。並提到若想得到更新訊息，可以至Facebook粉絲團按讚。

開始上課

如何透過OpenCV 破解台灣證券交易所買賣日報表的驗證碼(Captcha) (Part 1)?

• 大數學堂
• May 16, 2015, 4:17 p.m.

這篇文章介紹了如何使用OpenCv進行影像辨識，將台灣證券交易所買賣日報表上的五碼驗證碼分解成五個單一文字。這樣的分解可以讓後續的機器學習演算法更容易辨識圖像文字(OCR)。

開始上課