嗨嗨大家好，這是我第一次參加鐵人賽，希望能在接下來的這 30 天，將最近遇到的知識，留下學習筆記與大家分享，然後順便練習一下用文章好好描述，不要再只用條列式一條一條列點 👀

目前的整體大方向是以偏向講述分割與分類相關的AI模型

下面是我預想會寫的一些主題:

• 模型的學習方式介紹：了解不同類型的模型是怎麼學習的，像是監督式學習、半監督式學習、非監督式學習等等
• 損失函數介紹：常見的損失函數類型，例如均方誤差（MSE）、交叉熵損失
• 分割分類模型的評估指標：準確度、精確度、召回率、F1-score 等，用來了解模型的表現
• 一些典型的模型架構：包括 UNet、DeepLab、ResNet
• 特徵前處理方法：數據預處理技巧，像是影像擴增、正規化、去雜訊，來提高模型的表現力
• 網路壓縮方法：如何使用網路壓縮方式來減少模型的複雜性，但又不會導致模型的效率降低，包括剪枝、知識蒸餾等技術
• 可視化降維：透過降維技術（PCA和t-SNE）來可視化高維度的數據，來讓我們可以更好理解數據分佈和特徵
• 特徵分析：最後，學習如何對模型進行特徵分析，來了解模型是怎麼進行決策的

結語

好啦，這大概是我摳摳搜搜生出的第一篇文章，希望上面的內容我都可以在這三十天內努力呈現出來，大家明天再會