自我挑戰組
本身是企管系畢業,雖然有參加過培訓課程,但仍對JS不太熟悉。 因此想要挑戰自己,持續產出30天文章,督促自己進行學習JS的路途 那JS漫遊記也會希望用很淺顯易懂的方式,讓大家一起漫遊在JS的大海中
Python
本系列文章主要結合三大元素:物聯網設備、雲端計算與人工智慧。隨著人工智慧的爆發式成長,人工智慧的應用已經遍及影像、影片、聲音、對話、文章等領域,而公有雲已經將人工智慧的開發或是應用封裝成完善的服務,對於人工智慧的模型開發者或是應用開發者而言,只需要的去熟悉、了解開發框架,就可以快速的應用人工智慧的技術,而不需要再花時間在購買GPU,安裝驅動、安裝開發框架等基礎環境搭建等無關事務上,可以專注於核心專業上。所以本系列文章以 Python 為主要開發語言,將 AWS 文字/人臉辨識與 ESP32-CAM 進行整合,完成一個結合物聯網設備、雲端計算與人工智慧的應用系統。
1. 介紹各種LLM platform的應用( eg. Dify、AnythingLLM、flowise等) 2. API 串接、AOAI 、 Gateway訪問AOAI 2. 如何優化LLM的回答 3. 地端的LLM部署方式(Ollama) 4. 開發LLM框架 (LangChain) 4. RAG 種類及方法(Naive 、 Advanced) 5. RAG評估指標
影片教學
機器學習一直是最近應用的熱潮,不管是大語言模型(LLM)還是比較早期的深度神經網路(DNN) 都有其應用的場景存在。但機器學習模型本身就沒有安全議題嗎? 答案當然是否定的,有新技術的地方就會有破綻,有破綻的地方駭客就會想利用。但機器學習模型背後的原理多半牽涉數學,駭客的攻擊手法也多半跟數學有關,而我數學就爛怎麼辦呢? 所以本系列以一個數學不好的人作為出發點,試著參考一些 github 專案跟書籍資料,由簡而深的介紹 深度神經網路(DNN) 模型會遭遇到的各種攻擊,讓觀看者透過這些攻擊手法了解模型的攻擊表面,未來進而去制定防禦或是偵測機制。
從第一次開發 GenAI 到現在將近一年了,這段期間分別參與了三次不同企業和規模的專案,完整經歷了至少兩次從 0 到 1 開發 RAG 服務的流程。然而雖然累積了一些實務經驗,但初跨入這個領域,仍有許多需要持續學習的地方。 在接下來的30天裡,我希望能透過寫作重整這段時間的開發經驗,並結合相關書籍與課程,反思如何優化我的開發品質,並以打造企業級產品為目標,提升自己在系統設計與生成式 AI 開發方面的技術能力。 如果這系列的文章也能幫助到你,歡迎訂閱還有留言討論,讓我們一起成長進步 :)
LeetCode 是許多軟體工程師準備面試時必備的練習平台,提供了超過三千道題目供大家練習。然而,對於初學者來說,解答 LeetCode 的題目可能會面臨不少挑戰。為了幫助初學者克服這些困難,我決定以圖解的方式,從最基本的題目開始,在接下來的三十天內逐題詳細解說。希望透過這種方法,讓讀者更容易理解 LeetCode 的題目,並養成每天練習的習慣,最終幫助他們順利找到理想的工作。
Software Development
30天特訓營將帶你從零開始,快速掌握Quarkus和GCP Cloud Run,從基礎設置到雲端部署 ⚡ Java 核心概念:深入淺出地理解Java,奠定穩固基礎。 🚀 Quarkus 快速上手:全面了解Quarkus,構建高效輕量的雲端服務。 🏗️ 實戰開發:學習如何撰寫乾淨且可擴展的Quarkus服務。 🌐 雲端部署:將服務部署至雲端,體驗雲端自動擴展與運維。 此系列較適合對後端剛入門且懂得實作的人閱讀
Modern Web
在實務開發中,我們常常想為網站增添一些酷炫的特效,例如浮動粒子、浮雕效果等,來提升網站的互動性與趣味性。然而,當我們使用的 UI 框架本身未支援這些特效時,往往需要自己手刻實現。雖然通常只要 Google 一下,就能很快找到相關的技術文章或教學影片,但似乎缺乏一個將這些常用特效集中整理的地方。藉著這次鐵人賽的機會,我希望能夠親自實現、整理和分享這些特效的實作方法,讓大家能夠一次性地掌握這些實用的 CSS 技巧。