搜尋結果
2023年11月8日 · LangChain的特點. 易於使用 ：LangChain提供了一系列API，讓開發者可以快速啟動和運行LLM，而無需深入了解模型的內部運作機制。 高度靈活 ：透過配置和擴展機制，開發者可以根據需要自定義LangChain的行為，使其適應不同的應用場景。 生態系統整合 ：LangChain旨在與現有的AI工具和框架無縫集成，支持多種LLM和第三方服務，從而促進生態系統的互操作性。 LangChain的應用場景. 自動文本生成 ：利用LLM生成文章、報告或其他文本內容。 智能問答系統 ：構建基於LLM的問答系統，提供精確的答案和解釋。 語言理解和分析 ：使用LLM進行語言分析，從文本中提取有用的見解和信息。 個性化推薦 ：根據用戶的互動和偏好，利用LLM生成個性化的內容和推薦。
2024年2月1日 · Transformer的工作原理. Transformer的核心是自注意力機制，這一機制允許模型在生成輸出時評估序列內的所有單詞之間的相關性。. 這意味著模型不需要按順序逐步處理資訊，而是可以平行處理，大大加快了學習速度。. 此外，Transformer包含了多頭注意力（multi-head ...
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
2023年6月4日 · 1. 設計、開發和實施生成式AI模型. 設計階段： 確定最佳算法來實現預期結果，要求對各種生成式AI算法及其優缺點有深入理解。 開發階段： 包括用現有數據訓練模型並進行微調以提升性能。 實施階段： 將AI模型整合到現有系統中或圍繞模型設計新系統，需要強大的軟件開發理解能力。 2. 調整現有生成式AI模型. 調整和精煉預先存在的模型以增強性能、適應新數據或滿足特定項目需求。 分析模型行為，識別表現不佳或產生意外結果的領域。 可能涉及調整超參數、修改模型架構或豐富訓練數據集。 3.
2023年10月2日 · 1. 清晰和具體的提示. 提示應該清晰、具體且明確。 避免使用模糊的或含糊不清的問題，因為這可能會導致不確定的回答。 確保提示中包含所有必要的信息，以使模型能夠理解您的意圖。 2. 上下文相關. 考慮到上下文對 Prompt Engineering 至關重要。 如果您正在進行對話，則應根據先前的對話內容編寫提示。
2023年8月8日 · 企業為什麼要做？. 管其毅 是台灣最大資料社群 「台灣資料科學社群 TWDS Meetup」 創辦人，致力推動台灣資料領域成長與培育人才。. 過去他曾待過 eBay、擔任過 Linkedin 資料總監，現在是 TaskRabbit 的 VP of Data。. 管其毅說明，「數據治理 Data Governance」這個概念在 ...
一、找到自己工作/職涯的意義. 二、設定職涯目標：10 年後，我會在哪裡？ 定期檢視自己的成長. 有了目標，更要有計劃！ 三、透過導師/貴人 探索更寬廣的世界. 建立 Mentor 人脈. 四、得到他人幫助 自己也成為貴人. 結語：讓心中的「羅盤」帶你通向職涯目的地！ 十年後的你，想在哪裡工作？ 達到什麼成就？ 現在的你，該如何投資自己、培養優勢？ 為了幫助學程式的學員們找到理想職涯，ALPHA Camp 舉辦了線上職涯座談，邀請到 Jumpstart Global 共同創辦人 Rosa，傳授如何確立職涯目標、培養自己，預約未來理想職涯！ 開啟新職涯！ 3分鐘小測驗，找到你的程式自學入口. 「跨領域」是 Rosa 的職涯寫照。
