AI/ ML & Data
在實際應用機器學習的過程中，模型的架構與訓練固然重要，但這僅僅是整個系統中的冰山一角。真正的挑戰在於如何持續有效地佈署、測試與更新模型，而 MLOps (Machine Learning Operations) 就是結合 ML 和 DevOps ，以實現機器學習系統的自動化為目標提出的一系列解決方案。 這系列文章並不會從機器學習的基本概念開始，而是著重於實際應用，帶領讀者從零開始，逐步構建一個自動化的機器學習系統。在與我一同學習的過程中，除了獲取相關知識外，我也希望能讓讀者了解這個過程中可能遇到的各種挑戰，以及如何應對這些問題，從而實現系統的自動化與最佳化。
Python
LeetCode 75 是一系列由LeetCode推薦的題目，涵蓋各方面的技巧。我將藉由這30天，一天寫一回LeetCode 75中的題目，挑戰自我的程式能力以及自律能力。
DevOps
**解決問題的能力，才是跟隨你一輩子的能力！** - 建立正確職涯心態與目標：先告訴自己你一定能成功！ 成功職涯人的心態建立。 - 了解雲端產業上中下游：知己知彼！先了解雲端產業與公司類型原來長這樣。 - 準備吸人眼球的履歷：你的職場名片！打造讓對方立刻願意請你來面試的門票。 - 面試技巧面面觀：展現最好的自己！說服面試官給你offer的完整面試技巧與考題。 - 職場之路：成為有影響力的好同事！累績你的職場信用評分。 希望透過我的分享，幫助更多人少走彎路，快速拿到心儀的Offer。
自我挑戰組
作為一個因緣際會誤入後端開發領域的小白兔，這也是我第一次轉職的經歷。由於我有著嚴重的拖延症，希望藉由參加這次30天鐵人賽，督促自己持續學習，並逐漸向後端開發的大門邁進。 在這30天裡，我將透過《從零開始學Visual C#程式設計2017》這本書自學C#的基礎知識，並紀錄每天的學習成果與挑戰。期待這段旅程能幫助我更深入了解後端技術，邁向職業發展的新里程碑。
Software Development
平行程式設計 using C99, p-thread, openMP, openCL. 搭建 real world application 運行於 multicore 或 multi-CPU 電腦上。 包含理論介紹與實作。 base on youtube play list "PLOvZ8aEg7xDn1H78MT2oApPWrLvcxb3fc"
佛心分享-IT 人自學之術
在這個系列文章中，將分享我在工作中遇到或聽到的十倍工程師故事，每篇短文都是「我希望十年前，就知道的事」。
生成式 AI
圖像超分辨率旨在將低分辨率圖像轉換為高分辨率圖像，提高清晰度和細節。傳統插值方法效果有限，而 AI 技術能學習圖像中的紋理特徵，生成更逼真的高分辨率圖像。典型模型包括 SRCNN、VDSR、SRGAN 等，應用於醫學影像增強、監控視頻、衛星圖像分析和數字攝影。挑戰在於重建邊緣和紋理細節。圖像中的物件消除旨在從圖像中去除不需要的物體，並自然填補缺失區域。AI 方法如 CNN、GAN、自注意力機制等，學習圖像的結構和紋理，生成自然逼真的填補效果。
