雅虎香港 搜尋

  1. 雲南旅行團 相關

    廣告
  2. 當地導遊帶玩太棒了,客製化旅遊行程,自由度高,還能節省50%,價格實惠,VIP待遇,省心又省錢. 昆明 麗江 大理 玉龍雪山 瀘沽湖 香格里拉 洱海等,地方大景點多,提前規劃好,真的輕鬆又愉快

  3. 上個月有 超過 100 萬 名用戶曾瀏覽 agoda.com

    立即預訂雲南酒店,今日最抵優惠萬勿錯過! 我們全天候為你提供協助,出走都唔會注定一人!

搜尋結果

  1. 2024年2月1日 · Transformer的工作原理. Transformer在自然語言處理中的應用. 對AI發展的影響. 在人工智慧領域,Transformer模型自2017年由Google的研究者介紹以來,已成為最具影響力的創新之一。 它不僅改變了自然語言處理(NLP)的面貌,還對整個AI技術的發展產生了重大影響。 本文將深入探討Transformer的基本原理、結構特點以及它如何推動AI技術的突破。 Transformer模型概述. Transformer模型是基於自注意力機制(self-attention mechanism)的一種架構,它能夠在處理序列數據時,同時考慮序列中的所有元素,這種全局視角使得Transformer在多個領域特別有效。

  2. 2022年12月17日 · 內容目錄. 求職規劃. 求職結果. 求職心得. 求職過程中的一些觀察. Justin 在 2020 年八月底結束 ALPHA Camp 三個學期課程後即投入 AC 求職輔導計畫,這篇文章主要是記錄他的求職心得、過程中觀察到軟體業在找什麼樣的人才以及 AC 求職資源對自己的幫助 ...

    • 為什麼我們需要演算法
    • 演算法種類
    • 演算法的應用
    • 如何評估演算法?
    • 經典演算法例子
    • 演算法書推薦
    • 演算法學習 Q&A
    解決問題與改善效率:演算法是我們處理資訊,解決問題和進行決策的關鍵工具。他們可以幫助我們更有效率地完成任務,減少時間和資源的浪費。
    應用範疇廣泛:從網路搜索、社交媒體的內容推薦,到機器學習和人工智慧,無處不在的演算法都在背後默默運作,大大擴展了我們處理資訊的能力。
    實現自動化與智慧化:在大數據時代,演算法不僅能自動化地處理大量資訊,還能從中學習並優化自己的運作,實現智慧化。
    支持決策制定:在商業、科學、醫療等領域,演算法可幫助我們對大量數據進行分析和挖掘,從而提供有價值的見解和支持決策。

    演算法就和問題一樣有許多種類。以下是電腦科學領域常見的幾種演算法: 1. 簡單遞迴演算法 (Simple recursive algorithms:):這些演算法使用遞迴計算來找答案。這個方法用於解決古典問題,例如「計算到 n 次方」。 2. 回溯法 (Backtracking):為了找到解決方法,一個問題先劃分為多個計算用的路徑。如果路徑方向錯誤,便回到上一個位置,從另一個方向開始計算。常見的使用案例需要從大量數據中找到特定資訊。這個方法通常用來找出每一條路徑。如果一條路徑不包含目標資訊,則演算法會回到上一個連接點。 3. 動態法 (Dynamic): 這個演算法的獨特之處在於演算法會記憶之前解決過的問題,並藉由之前解決問題的經驗更快找到類似問題的解決方法。如果之前你計算過 n 的 1,0...

    在這裡我們收集了幾個我們生活常碰到,而且有趣的演算法,請參考這幾個外部連結。 1. 排列 (Sorting) – 如何把千多本書排列順序? 2. 秘書問題 (Secretary Problem)– 如果你要聘請一名秘書,總共有 n 個申請者。每次只能面試一人,面試後要馬上決定是否聘他,如果當時決定不聘他,就再沒有機會。問:要面試幾個人,才最有機會選中最合適的人選?解決這個問題的方法,叫「最佳停止演算法」(Optimal Stopping Algorithm). 3. PageRank – How Search Work by Google– Google 最早的是用 PageRank 這個演算法去判斷如何排列用戶搜尋的結果。 4. EdgeRank – Facebook 動態消息 (News...

    演算法除了能否正確解決問題之外,還有「好、壞」之分嗎?答案是有的。不同的演算法,雖然都能正確達成目標,但還是有效能 (efficiency) 之分。主要的考量點有兩個: 1. 時間複雜度(Time complexity) – 它代表一個演算法的執行時間。針對同一個問題,有些演算法會比別的用更短的時間(也是更快速)去解決問題。 2. 空間複雜度(Space complexity) – 它指的是要執行該演算法 (或是程式碼) 所需的記憶體量。

    1. SVM演算法(Space vector modulation 支援向量機)

    1. 應用:主要用於分類問題,也可用於回歸。 2. 原理:在特徵空間中尋找最佳超平面,以最大化不同類別之間的間隔。 3. 特點:適合於高維數據集,對於非線性問題可以通過核技巧進行處理。

    2. Minimax演算法

    1. 應用:主要用於零和遊戲,如象棋或圍棋。 2. 原理:通過最小化對手可能獲得的最大收益來最大化自己的最小收益。 3. 特點:常與Alpha-Beta剪枝一起使用,以提高效率。

    3. ID3(Iterative Dichotomiser 3)

    1. 應用:用於創建決策樹,主要用於分類問題。 2. 原理:使用信息增益作為分割數據的標準。 3. 特點:易於理解和實現,但容易過擬合,且不支持連續屬性和缺失值處理。

    入門科普類 《寫程式前就該懂的演算法: 資料分析與程式設計人員必學的邏輯思考術》: 透過生動的插圖與實例,將演算法的複雜概念化為簡單易懂的知識。本書涵蓋基礎至進階演算法,適合程式設計新手與專業人員。透過詳解與練習題,讀者能夠深化對演算法的理解,提升解決問題的能力。 《改變世界的九大演算法》:淺顯介紹了塑造當代數位生活關鍵技術的九種演算法。從搜尋引擎、網頁排序到公鑰加密和數位簽章,這本書透過易懂的語言揭示了每日應用背後的科學原理。無需資訊科學背景,讀者可洞察這些技術如何定義我們的數位世界,感受到科學家與數學家的創新與探索。是理解現代技術不可或缺的閱讀。 專業書籍 演算法導論《Introduction to Algorithms》:這本書是演算法領域的經典之作。全面而深入地介紹了從基礎數據結構到...

    Q:學習演算法之前,需要有什麼樣的基礎嗎?

    演算法算是獨立學問,不太需要基礎知識,但由於會使用 Big-O 來分析演算法效率,分析時會用到高中數學知識,如指數、對數等,所以還是要理解一些高中數學,假設真的忘了,碰到時再回頭補上即可。

    Q:演算法會因程式語言不同而有差異嗎?

    95% 邏輯是一樣的,但根據語言特性,實作細節寫法可能有點不同。如果要從零開始準備演算法面試,提供兩個面向供參考: 1. 選擇自己最熟悉的語言練習演算法:絕大多數公司在面試演算法時,不會要求使用的程式語言,因此可以用自己最拿手的程式語言來準備 2. 若無特別熟悉的程式語言,建議可以用 C 語言來學習演算法:由於 C 語言是很原始的程式語言,如果用 C 寫得出演算法,基本上其他語言也寫得出來 無論如何,程式語言只是工具,在準備演算法面試時,建議使用自己最拿手的武器去應戰。

    Q:網路開發新手在做 side project 時,如何導入演算法思維?

    其實蠻困難的,因為絕大多數前端應用軟體都用不到演算法,再者如果沒有演算法的概念,也無從應用起。只有當你具備演算法基礎知識時,做 project 才有機會用到演算法,因此在做 side project 時,可以反問自己:有沒有更棒的程式寫法。

  3. 其他人也問了

  4. 內容目錄. ‍創業失敗再站起來,為未來的競爭力佈局‍. 不想要一樣的未來,就勇敢走不一樣的路‍. 人生只有一次,別放棄挑戰不同的可能性‍. 在 ALPHA Camp 的相遇:對台灣人才的看法. 香港年輕一代的困境:在現實與幻想間擺盪‍. 創造令人期待的未來‍. ALPHA Camp 的願景一直是希望能培育出亞洲新創界最好的人才和領袖,並且建立起一個無可取代的強大社群,這幾屆開始,除了台灣以外,也陸續收到許多海外學生的詢問和表達強烈的興趣,其中特別是有許多香港的學生選擇加入 ALPHA Camp。 跨海而來的他們,來自甚麼樣的背景又有著甚麼樣的期待和目標 ?

  5. 2023年6月4日 · AI工程師工作內容. AI工程師在設計、開發及實施生成式AI模型方面擔當關鍵角色,他們利用機器學習和AI的知識,創建能夠基於現有數據生成新內容的模型。 以下是AI工程師主要的職責和技能要求: 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.

  6. 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。

  7. 2023年1月31日 · 無論工作或旅行,都鼓勵大家出國、盡情去探索與嘗試。 或許有一天,也可能發現你的理想生活,其實在台灣。 想要出國工作,可以用「4W1H」先問問自己下面這些的問題:

  1. 其他人也搜尋了