搜尋結果
2024年2月26日 · 在使用 ChatGPT、Gemini 等奠基於大型語言模型（Large Language Models，以下簡稱 LLMs）的人工智慧服務時，很常會遇到一個問題就是：請它們提供與特定專業領域相關的資訊，往往只能獲得極為空泛、甚至是充滿幻覺（hallucination）的回覆。. 1 隨著越來越多的企業和組織 ...
- 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2月1日 · 開源繪圖生成式AI 安裝教學 - ALPHA Camp. 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.
2024年3月7日 · 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。 RAG 結合「資訊檢索（retrieval）」和「生成（generation）」：在文本生成之前，先從資料庫中檢索相關的資料放入上下文，以確保 LLM 可依照正確的最新資訊生成結果。 看似複雜，其實相當直覺——既然大型語言模型受限於缺乏最新資料，那我們就在生成時，提前準備好「小抄」，讓它照著回答。
2024年1月29日 · 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？ 或是你只是單純認為，現在的人不會程式好像怪怪的、大家都在學程式所以我也要學？ 但是，知道自己為什麼要學程式，很重要嗎？ 維元和 Jack 異口同聲地表示， 問「為什麼」是學習前最重要的一件事情。 只有知道學習的目標和理由，才會有有效的學習計畫和持續實踐的動力。 問為什麼，是做一件事最核心的課題，要越清楚越好。 若不清楚，你可能會把資源投到錯的地方。 輕則會有挫折感，重則造成對學習的傷害。
2023年11月6日 · 發佈日期: 2023 年 11 月 6 日 作者: ALPHA Camp. 內容目錄. 為什麼要學寫程式. 如何選擇適合的程式語言. 點我免費領取非本科轉職工程師指南！ 如何建立自學程式的學習計劃. 1. 明確您的學習目標. 2. 設定學習時間表. 3. 選擇學習資源. 4. 實際動手練習. 5. 持續追蹤和評估進度. 6. 加入社群和尋求支持. 7. 保持耐心和積極態度. 有哪些學寫程式可利用的資源和工具. 教學網站和指南. 程式碼編輯器和開發工具. 線上程式練習平台. 實作練習的重要性. 加入社群和討論區. 程式設計持續學習與進步. 如何持續學？ 拆解目標、階段完成、要開心. 為什麼要學寫程式. 隨著科技演進，越來越多產業開始數位轉型。
課程介紹. 課程大綱. 選購方案. 講師介紹. 常見問題. 延伸閱讀. 課程介紹. 在高速變化 AI 時代中，ALPHA Camp 與 ihower 共同推出 Generative AI Engineer：LLM 應用開發工作坊，課程將深入探討 Prompt Engineering 和 OpenAI API 串接，透過將近 30 個 Colab Notebooks 搭配 1 週密集的線上直播和 30 天回放，讓你快速掌握完整 LLM 技術 和 AI應用 的多項案例. 課程重點. OpenAI API 串接、Prompt Engineering、RAG 和 Function Calling. 學習工具. Zoom、Google Colab、AC 學習平台 Canvas. 學習時數.
