搜尋結果
2024年2月26日 · RAG 概念是由自然語言處理科學家 Patrick Lewis 等學者在 2020 年發表的論文 2 中所提出。 這項技術簡而言之，就是在向 LLMs 提供用戶的提示詞（prompt）之前，會先從外部的資料庫「檢索」相關資料，再將這些相關資料連同原本的提示詞提供給 LLMs 參考並「生成」回覆。 IBM 的語言技術總監 Luis Lastras 用開書考試（open-book）跟闔書考試來類比 RAG 跟模型微調的差異：「使用 RAG 系統時，你是要求模型去檢索書的內容（資料庫），而不是光依憑（模型微調）的記憶來回答問題。 」 3. 而 RAG 所使用並非傳統的資料庫，而是所謂的向量資料庫（vector database）。
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。
其他人也問了
黃偉文是誰?
黃嘉雯是誰?
黃大仙師是誰?
黃連煜是誰?
- 三要素：動機、熱情、成就感
- 有系統的入門
- 找尋同好
- 練習、練習、再練習
- 有目的性的學習
- 怎樣的人會學不起來？
- 結語：怎樣叫做學會？
不管學習任何事物，動機都是最重要的。學寫程式本來就不是件容易的事，有動機才會有熱情，遇到挫折也較容易撐過去。2年前我決定開始學寫程式，是想要打造一個（自以為）有趣的產品，過程中遇到挫折與挑戰不計其數，好在有明確的動機與目標，學習的熱情才不至於被瞬間澆熄。 成就感則是另一個關鍵因子，想像你在學英文，每天要背100個單字，過程枯燥乏味，但如果你人在國外或有外國朋友，可以馬上實際應用你每天新學的東西，那成就感絕對比無聊的背單字高得多。學寫程式也是一樣，如果可以在初期很快地在網路上看到你架的網站，或是手機上看到你寫的 app，成就感的提升，自然而然會轉化為你繼續前進的動力。
學程式要怎麼入門？要自學還是上課，很多人討論過，在此就不贅述。 我想提的是「有系統」的入門，對於完全沒有任何技術背景的人來說特別重要。在進入 ALPHA Camp 以前，我也曾經在網路上找過很多相關的教學課程，免費資源雖然很多，但因為過於零散，東看西看的最後什麼也學不會，反而更加深挫折感。 當然，有系統不是一定要報名ＸＸ補習班的課，雖然專業的教學機構，理當是會提供你一個比較有系統的入門，但是，一本可以讀的懂的也讀得下去的書，或是一套完整的線上課程，只要是你能夠吸收的，適合你的模式，就算是有系統的入門，找到對的方向，學習的效果才會好。 （也來看看：最有系統的程式入門課，帶你學會網站開發）
在學習的過程中，同儕的影響超乎想像的大，有上課的人，可以跟同學互相討論、相互扶持，是學習上很大的助益。自學的人，也可以透過參加程式相關社群或是 hackathon 結交同道中人。學習的路上即使再有熱情，如果永遠是孤軍奮戰，也是大大地加深了學習的難度，因此開始找尋同好一起學習吧！ （想找到一起學習程式的夥伴？這裡有最緊密互動的學習社群）
Erik Trautman 在 Viking Code School 部落格中的文章《Why Learning to Code is So Damn Hard》分析學習程式有多難，中間要經過一段漫長的絕望沙洲 （The Desert of Despair)。在過程中，就不是單靠有熱情有動機可以撐得過去，不斷的練習、不斷地找尋答案才能不斷的進步，這段時間是過程中相對痛苦的一段時間，因此前一點提到有同好一起互相扶持，在此時就顯得更重要。 最近在 PTT 看到一篇「轉職工程師經驗分享」，作者為了要練習 Objective-C， 做了一個 30DaysObjc 的開源專案，更是印證了不斷的練習，絕對是進步的第一法則。學習任何東西都一樣，就算你再有天份，也是需要不斷的練習才能持續進步，今年退休的 NB...
當有了一定基礎之後，接著要面對的問題就是程式語言那麼多，該怎麼選擇要學習哪種新技術？有很多人討論過選擇技術的廣度與深度，我認為雖然兩者都很重要，但除此之外，還是要回到學習最初的「動機」，從0開始要有強烈動機，學新技術也是一樣。 過去有個朋友看了星際效應的電影後，就開始想要寫一個跟黑洞有關的遊戲 app，讓一個原本只會 Android 的工程師因此踏入了 Unity 的世界。我個人也是一樣，兩年前開始學 iOS， 當時有個非常好用的後端服務叫 Parse，今年一月 Parse 宣佈一年後要停止服務，我於是開始研究如何做轉移，一看才發現沒有資料庫以及網路後端的背景知識，根本無從下手，因此又去學了 Ruby on Rails，現在 App 的前後端都有辦法自己維護。在 Parse 還沒宣布停止服務...
3分鐘熱度學不會
很多人可能覺得這是廢話，不過根據筆者的觀察這樣的人並不少，明明就很有天份，一遇到挫折就退縮，不管學什麼東西都是學不起來的。
沒天份學不會
聽起來有點殘酷，事實卻是如此，這跟運動細胞類似，有的人天生運動細胞好，學什麼運動都很快，同樣也有人天生運動細胞不好，100公尺就是要跑個20秒，這樣的人勉強他去一定要把某個運動學得多好，其實也是強人所難。寫程式也是一樣，需要一定的邏輯能力，有的人邏輯好，學得快，有的人轉不過來，硬是勉強也是很辛苦的。 每個人都有自己擅長與不擅長的事，不會寫程式並不會怎樣，知道自己的特質就好了，當然，也有不是很有天份，但以加倍努力彌補的人，這些人多半都還是會有一定成就，關鍵是在於「持之以恆的努力」。依筆者的觀察，更多人是不知道自己沒天份，或是高估了自己的天份，於是對於初期的挫折灰心喪志或是怨天尤人。 每個人本來擅長的事情就不一樣，不會寫程式並不會怎樣，重點是要瞭解自己的特質與強項，誠實地面對。 （初學者必看：一個月內 打好程式基礎！）
你會講英文嗎？可能每個人對於「會講英文」的定義都各自不同，因為學無止境，東西沒有學完的一天，有沒有學會程式？要學到什麼程度？端看你對這件事的定義。 我在開始學程式10周後，就上台發表了第一個 app，當時以為自己已經學會了怎麼寫 iOS，後續進到新公司才發現，不會的東西比會的還多很多。一直到現在在 ALPHA Camp 擔任講師，教的也是很基礎的東西，還是發現自己還有很多不足之處，更加領悟到唯有持續的學習，才能不斷的進步。 不要問別人為什麼要學程式？要問你自己為什麼？ 筆者過去常常在 ALPAH Camp 的說明會上被問到類似的問題，有很多人對我在華碩擔任資深 PM 卻決定轉換跑道的過程很感興趣，不斷的追問為什麼我要學程式，會不會很辛苦？雖然過程中我都會不厭其煩地回答，但最後都會強調，「 不...
2024年4月26日 · 學習的最好辦法，是多花一些時間，搞清楚為什麼程式碼能動；甚至「故意試試看別種寫法」，不論是寫錯或意外發現另一種思路，都有助於理解背後的原理與邏輯。 與 AI 討論：這是最好的寫法嗎？ 學習寫程式時，應該不斷反問：這是最好的寫法嗎？ 不要假設 AI 寫出來的就是完美解，就如同我們不該假設 StackOverflow 上網友的寫法是最佳解。 如果把 AI 視為共學夥伴，可以直接問它為什麼這段程式碼正確（或錯誤）。
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.
2024年1月29日 · 你為什麼學程式？ 問為什麼超重要！ 如何知道學會了？ 用用看就知道！ 沒經驗如何證明有能力？ 從作品集和部落格開始. 怎麼學完？ 其實持續學更重要！ 如何持續學？ 拆解目標、階段完成、要開心. 一直撞牆怎麼辦？ 用成長心態面對. 為什麼要找人一起學？ 因為能幫自己突破盲點. 免費點我下載數據技能路線指南. 自學程式正夯，但你一定也遇過這些問題：怎麼知道學會了？ 學了真的就可以找到工作嗎？ 怎麼持續學？ 一直撞牆怎麼辦？ 這次職涯相談室請來兩位教學經驗豐富的程式開發前輩 Jack 和維元，帶大家從「自學程式的 7 個 FAQ」，來一一破解你的迷思和誤區，幫你修成正果。 你 為什麼學程式？ 問為什麼超重要！ 你問過自己為什麼要學程式嗎？ 是想要有個帶得走的能力、想加值職能、想轉職、想賺更多錢？
