▋前言
在過去幾天,我們對 AMI、Switchboard、IEMOCAP 三個資料集做了資料探勘。今天,我們要把這些經驗整合起來,形成一個「資料 → 前處理...
新來的朋友,一樣先建議先回顧先前的文章,才會比較明白整個 Indexing pipeline 的流程以及這章是在哪個環節噢!文章在這:Day 3|Indexin...
上一篇提到兩個可以提供AI作業的雲端平台,今天我們就要來介紹第一個平台:Azure AI Foundry。
什麼是Azure AI Foundry
Micros...
系列主旨
把模型放到手機、樹莓派與工業閘道器上,實現低延遲推論。
Part 1:邊緣部署基礎
技術:onnx, onnxruntime, numpy
程...
今天我們進入資料清理與特徵工程,針對數值與類別欄位做合適的轉換,讓模型能更好地學習。
1.數值欄位標準化
在機器學習中,如果不同數值欄位的尺度差異過大,會影響...
前面我們建立了基礎的對話系統。這篇要用 GCP 既有的 AI 服務 打造 RAG 檢索系統
目標:利用 GCP 託管服務,用最少的程式碼實現 RAG 功能。
1...