人工智慧（AI）最近在科技界成為熱門詞彙，每個人都想參與AI領域。我想分享一下我對AI基礎的學習心得，包括：數據建模、語言學習模型（LLM）和機器學習（ML）的理解。

• 什麼是數據建模(Data modeling)？

數據建模是從一組數據中推導出的數學模型，你可以使用它繪製圖形，以做出超越數據集的預測。通常，你需要考慮三個因素：隨機噪聲、季節性和趨勢。這個模型可以用來預測這些數據集未來的趨勢。

例子：

牛頓的冷卻定律
線性回歸
ER（實體關係）模型
階層模型
網絡模型
大型語言模型（LLM）

大型語言模型（Large Language Model-LLM）
是一種使用深度學習技術和大規模數據集來理解、總結、生成和預測新內容的人工智慧（AI）算法。一個很好的例子是彈珠遊戲，頂部的分揀機會根據大小/重量/順序（即不同的類別或桶）將彈珠/硬幣/其他物品分成不同的路線，然後將它們通過不同間距的多組撞針運行。唯一的區別是LLM不會對關係做出假設，而是讓數據確定關係。

例子：

• GPT-3（由OpenAI開發的生成式預訓練變換器3）
• BERT（由Google開發的雙向編碼器表示來自變換器的表示）
• RoBERTa（由Facebook AI開發的強化優化BERT方法）
• T5（由Google開發的文本到文本轉換變換器）
• 機器學習

Machine Learning(機器學習)
機器學習是AI的另一種形式，它處理根據更多數據自動調整和改進的統計模型。它涉及處理大量數據並找出模式。

例子：

• 產品推薦
• 面部識別
• 郵件自動化和垃圾郵件過濾
• 金融精確度
• 社交媒體優化
• 醫療發展
• 手機語音轉文本和預測文本

在下一部分，我將深入探討一些數據建模、LLM和機器學習的示例。

參考資料：

https://www.salesforce.com/eu/blog/2020/06/real-world-examples-of-machine-learning.html
https://www.labellerr.com/blog/unveiling-the-contrasts-developing-small-scale-and-large-scale-language-models/
https://www.simplilearn.com/what-is-data-modeling-article

對 dbt 或 data 有興趣 :wave:？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加