搜尋結果
2024年3月7日 · Watch on. 隨著我在文件上輸入、修改，底下會出現一排依照相似度排序的推薦筆記。 而由於我的筆記包含廣泛的領域，當我輸入的是「行銷規劃」，底下只會出現關於行銷的筆記；當切換到「樂理」，則只會推薦音樂相關的筆記。 本文會先簡單介紹 RAG 的原理與優勢，接著分享我的實作經驗（相關的教學文章連結我整理在文末），並討論 RAG 應用產品化過程中可能面臨的問題。 在文章最後，則會進一步探討：當 LLM 具備長文本理解能力，可以讓我們把資料全部塞進 prompt 裡，此時還需要 RAG 嗎？ RAG 是什麼？ RAG 解決了大型語言模型（LLM）實際應用時的兩大侷限：幻想（hallucination）與資料時限。
2023年8月8日 · 首頁 » Blog » 資料科學. 數據治理 data governance 是什麼？ 為何重要又該怎麼做？ 產業案例分享. 發佈日期: 2023 年 8 月 8 日 作者: ALPHA Camp. 內容目錄. 數據治理是什麼？ 企業為什麼要做？ 企業怎麼做數據治理？ 沒做過的企業如何開始？ 在醫療或金融等資料較敏感的產業，如何妥善管理數據，讓管理單位放心？ AI 產生的「偏見」能被管理嗎？ 從印尼最大電商 Tokopedia，有哪些數據治理經驗可以分享？ 新加坡政府推動數據治理，經驗如何？ ChatGPT 崛起後，數據治理有什麼轉變與新挑戰？ 企業做數據治理，不同角色如何分工？ 誰該對資料負責？ 結語：企業如何推動數據治理？ 關鍵字補充.
Python的應用範圍廣泛. 數據分析和AI機器學習：Python可以用於數據視覺化、複雜的統計計算、或是利用像是Tensorflow這樣的開源軟體庫做機器學習。 Web 開發：利用常用的框架例如 Django 做網站或app的後端開發。 自動化或腳本化：當你有重複的工作要執行時，能夠用python構建自動化的腳本讓他自動執行任務。
2024年2月1日 · 首頁 » Blog » AI 人工智慧. Stable Diffusion 是什麼？ 開源繪圖生成式AI 安裝教學. 發佈日期: 2024 年 2 月 1 日 作者: ALPHA Camp. 什麼是Stable Diffusion？ Stable Diffusion是一種由Stability AI及其合作夥伴開發的開源圖像生成模型。 它使用深度學習技術，特別是變分自編碼器（VAE）和變換器（Transformers），來生成詳細的圖像。 用戶可以通過自然語言描述（例如文字提示），指導模型生成具體的圖像內容。 立即下載. 快速掌握 LLM 應用全局觀. Stable Diffusion 是一款強大的開源AI圖像生成工具，它允許使用者根據文字提示來創造高質量的圖像。
- 機器學習 Machine Learning
- 深度學習 Deep Learning
- 機器學習的應用
- 機器學習熱門工具
機器學習 Machine Learning （簡稱ML）是AI人工智慧的一門科學，主要研究電腦如何透過運用大量數據資料或過往的經驗，以演算法訓練、學習、改進以達到最佳化的效能，做出更好的分類、判斷和分析。 隨著硬體計算能力越來越強，數據搜集越來越多，機器學習持續技術的進步以及在商業上的廣泛應用，我們的生活會持續被運用數據學習的電腦給深刻影響著。 機器學習會運用不同類型的學習方式，根據資料的性質和希望獲得的結果，主要分為四類方法：監督式學習、非監督式學習、強化學習和半監督式學習。
深度學習 Deep Learning 是機器學習的分支，大多數的深度學習模型是基於多層神經網絡 Neural Network 模擬人腦的工作方式，演算法在數據中自行在每層挑選哪些特定的特徵是相關再進行分析，隨著數據量越大，深度學習能夠每次對其結果進行改進。 在從事機器學習時，一開始會從收集數據並清理整合的準備開始，接著將數據轉換成可以餵給模型的格式，並萃取出有意義的特徵，接著選擇適合你預期目標的模型後開始訓練。並用一些指標來評估模型並作參數的調整，接著Input更多的數據來測試模型，然後作出Output預測。 深度學習是機器學習的子集，機器學習是透過工程師在訓練數據的input與output給予一定程度的指導，讓機器從累積的訓練數據中學習後得出最佳解。深度學習則是以人腦的神經網絡...
圖像識別：Image Recongnition是最常見的 ML 應用，你在Facebook、Google上的照片能透過算法自動識別你的好友作為標記。或是用在醫療上判斷病人X光片是否有病變跡象。語音識別：Voice Recongnition可以識別語音將其轉換成文字，像是 Google Home、Siri這種語音助理服務，就是最常見的案例。預測分析：透過機器學習能將獲取到的數據分類，例如預測借款者的違約風險，判斷有哪些特質的人會是高風險者，有越多數據就能越準確。推薦系統：或是從收集到的數據判斷這名電商App的用戶現在想要買什麼東西，可以接受的價格是多少，推薦給這個客戶更符合他需求的產品。或是社群軟體更了解你的喜好與行為模式，推送給妳相關的廣告。或是交友軟體配對時，推給更適合你的菜。TensorFlow：TensorFlow 提供了一個有助於機器學習的JavaScript 庫。API 將幫助您構建和訓練模型。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.
2023年4月7日 · 大數據的應用場景. 大數據相關工具. 雲端平台大數據工具. 在這個資訊爆炸的時代，大數據（Big Data）已經成為每個企業都應該理解和掌握的技術。 無論是決策支援、市場趨勢分析，還是客戶行為預測，大數據都發揮著關鍵作用。 本文將深入解析大數據的定義、其實際應用場景以及相關工具，讓你全面掌握大數據的魅力與潛力。 大數據是什麼？ 大數據是指在傳統數據處理應用軟件無法有效處理的大量數據集合。 其主要特徵是具有 高度的異質性 ， 大量的數據量 ， 快速的數據產生與傳輸速度 ，以及可能 低品質或不確定的數據值 。 這些特點也被稱為大數據的四個V：Volume（數據量）、Velocity（速度）、Variety（種類）和Veracity（真實性）。 多大才能算是大數據？
