今天好像是最後一天ㄟ，經過30天的淬鍊，那就還是來不免俗的來總結一下這段時間我們學到了什麼以及我自己的心得吧。

核心概念
我們學到了生成式AI的一些核心概念，除了懂它的原理外，還可以有辦法解釋清楚。
生成式AI vs 傳統AI的差異。
LLM為何能生成：機率式下一步預測、語意分佈。
Transformer/Attention：自注意力抓長距依賴、Multi-Head同時看多種關聯。

許多刺激的工具
我們也學會使用了各式各樣的工具，有生成圖片的、文字的、語音的應有盡有。
ChatGPT、Claude、Gemini 的定位與取捨。
OpenAI API基礎串接（Prompt→回應、參數、可靠輸出）。
Hugging Face找模型、線上試玩。
Stable Diffusion體驗。
Whisper/TTS：語音轉寫與語音合成。

應用實務
我們學會了試著將生成式AI用在實務上，讓他真的能幫助我們一些事情。
程式開發輔助：生程式碼、Debug、測試草稿。
資料分析：從表格到圖表、從圖表到摘要。
教育：教材/題庫草稿生成、程度調整。
設計與行銷：圖文草稿、腳本。

風險與責任
我們學會了如何在不侵權、不透了隱私的情況下正確的使用AI。
品質評估：正確性/完整性/相關性/引用性。
偏見、安全、隱私：Prompt限制、人工審核。
著作權與授權：人類實質貢獻、來源標示、商用授權檢核。

進階與未來展望
我們還學會了許多關於生成式AI較進階的一些知識。
本地LLM與模型大小/硬體需求概念。
RAG：先檢索再生成。
微調：讓模型長期學會風格/格式。
Prompt Engineering 進階：角色化、分步、格式化。
多模態、Agent：看圖說話、工具呼叫、規劃→行動→自我檢查。

心得
非常開心可以達成這次的鐵人賽，這30天說長不長說短不短，在這30天中，我從一堆看不懂的專有名詞到現在可以理解他的意思，也知道他可以做什麼事情，雖然距離熟練使用一些工具或是完美應用在實務上還有一段距離，但我感覺與一個月前的我相比，我已經進步了許多，希望未來可以更進一步的學習相關的知識，讓我可以充分運用在我所期望的領域上，最後非常感謝每一位曾經看過我文章的人，期待明年的鐵人賽再相會!