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。
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:
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:
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