搜尋結果
2024年2月1日 · 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。 此工具適用於藝術家、設計師、研究人員等各種背景的使用者。 如果您對AI圖像生成感興趣並希望親自嘗試，以下是完整的Stable Diffusion安裝指南。 Stable Diffusion 前置要求.
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。
2024年4月17日 · Let's build the GPT Tokenizer. 分類: AI 人工智慧 、 自學能力 標籤: AI 、 學習資源 、 生成式 AI. 我們曾經推薦過 AI 主題的電子報，也介紹過 20 個關於生成式 AI 的關鍵字，對於習慣以收看影片來吸收資訊的讀者，我們在本文精選了四個 YouTube 頻道，並且分享為英文影片加上中文字幕的方法。
- 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。
首頁 Blog. AC 評價. 商院出身跨出舒適圈，他花9個月線上自學，成功轉職網頁開發工程師. 發佈日期: 2020 年 5 月 15 日 作者: Mike. 內容目錄. 365 天前的自己：摸索著未來的道路. 找到寫程式的樂趣. 了解產業概況. 270 天前的自己：訂定目標，踏上旅程. 找到適合自己的學習道路. 準備好心情出發. 270 天的奇幻之旅. 要做，做要認真做到好. 不害怕跨出舒適圈. 當個海綿不斷學習. 結交朋友，一同成長. 未來的自己：準備好踏上下一趟奇幻旅程. Mike 是商院背景畢業的 ALPHA Camp 全端開發課程 畢業生。 想要跳出舒適圈學會專業技能的他，希望成為既是專才，也能通才的T型人才。 在九個月努力線上自學程式後，成功轉職成網頁工程師。
2023年10月11日 · AC線上網路開發課程的畢業生Danny，分享他在ALPHA Camp Web Development Bootcamp的九個月心路歷程，從中學到了哪些軟體開發的技能，並獲得了哪些能力和成長。
