iT邦幫忙

16th鐵人賽相關文章
共有 22096 則文章
鐵人賽 JavaScript

技術 【Day30】歡迎參加我的原生JS畢業典禮

套句老套卻很實際的話「畢業不是終點而是下一個階段的起點」,總覺得在今天感觸更深了。 一個月前的今天,想著要準備開始求職但總是漫無目的;待業期間挑了幾本工具書但也...

鐵人賽 Modern Web
現在就學React.js 系列 第 31 篇

技術 結語 與 目錄 - Day 31

每天強迫自己產出內容是一個很大的挑戰,但這種輸入與輸出的循環,對我幫助真的很多!在這次鐵人賽寫作挑戰中,發現了不少自己在知識點上的盲區,以為已經了解某些Reac...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 30 篇

技術 Day30 AI是有智慧的生命體嗎

無法分辦人類與 AI了在與人類一模一樣的機器人出現之前,透過社群網站、VR、虛擬替身,無法分辨是人類還是 AI 的那一天已經悄悄接近了。或許 AI尚未擁有媲美人...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 29 篇

技術 Day29 AI展望_2

悲觀派認為 AI 才不會進化到那麼厲害深度學習的出現引發了第三次AI浪潮。在第一次與第二次的時候,雖然都興起過 AI能夠改變社會的樂觀主義,不過無法回應人們期待...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 28 篇

技術 Day28 AI展望_1

AI為人類帶來了什麼樣的影響無庸置疑,AI今後也將會持續成長,不過會成長到什麼地步、帶來什麼影響,專家倒是眾說紛紜。有人認為AI將會改寫人類的歷史,有人則認為...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 27 篇

技術 Day27 金融科技AI_2

與AI對話,獲取理財建議運用資料分析與投資演算法,就算還只是初學者,也能簡單地透過智慧投顧來完成交易。這不僅是自動完成資產的運用,AI還會針對運用的方針與交易內...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 26 篇

技術 Day26金融科技AI_1

運用 AI進行分析跟交易都成為了全自動金融與保險業界也隨著金融科技(Fintech)的浪潮,與 AI產生了密不可分的連結。對 AI 來說,只需要處理標註了數值作...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 25 篇

技術 Day25醫療AI_2

AI也在醫藥品開發上做出了不少貢獻藥品是透過結合了數不清的化合物而成的產物,而在宛如繁星數量般的眾多組合當中,能對疾病發揮治療作用的成分組合可以說是微乎其微。過...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 24 篇

技術 Day24 醫療AI_1

幫助醫師進行門診所需的診斷AI進入到應用階段後,也出現了商業應用服務。尤其是在人力短缺的醫療領域當中,AI的蹤跡更是明顯,並且基於協助診斷的 AI導入便捷、成效...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 23 篇

技術 Day23 結果

依照計算出來的權重與閾值,可以得到目標函數E的數值如下。E = 25.41然而,評估目標函數召的大小卻沒那麼容易。不過因為訓練資料只有128張像素數為5X4=2...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 22 篇

技術 Day22 實作

假設我們要製作一個可讀取5X4像素之黑白二元圖像,並且可識別手寫英文字母「A」、「P」、「L」、「E」的神經網路。使用附有正解標籤的128張字母圖像作為訓練資料...

RISC-V CPU 設計與實作 系列 第 7 篇

技術 [Day 07] R-Type 指令

前面花了很多篇幅在 Verilog 語法的說明和 IC 設計的概念。從這篇開始,我們要開始來接觸 RISC-V 架構。首先我們先來認識其中的 R-Type 指令...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 21 篇

技術 Day21 Sigmoid

Sigmoid 函數是一種常用的激活函數,主要用於神經網路中的非線性變換。它的數學表達式如下: Sigmoid 函數的特性: 輸出範圍:Sigmoid 函數的...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 20 篇

技術 Day20 遞歸神經網路_2

接下來,繼續介紹遞歸神經網路。改進版本為了解決 RNN 的這些問題,出現了兩種更為強大的改進模型: 長短期記憶網路(LSTM, Long Short-Term...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 19 篇

技術 Day19遞歸神經網路_1

遞歸神經網路(Recurrent Neural Network, RNN)是一種專門設計用來處理序列數據的神經網路結構,廣泛應用於自然語言處理(如語言翻譯、語音...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 18 篇

技術 Day18卷積神經網路_2

接下來,繼續介紹卷積神經網路。3. 池化層(Pooling Layer)池化層通常位於卷積層之後,用來減少特徵圖的尺寸,降低計算量,並保持關鍵的特徵。常見的池化...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 17 篇

技術 Day17卷積神經網路_1

卷積神經網路(Convolutional Neural Network, CNN)是一種專門用於處理具有網格結構數據的深度學習模型,特別擅長於圖像處理、語音識別...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 16 篇

技術 Day16神經網路的機制

靠特徵模式就可以識別圖像特徵樣式正是神經網路分辦圖像的原理。這種像素的模式又叫做「用來分辦狗和貓的特徵模式(feature pattern)。事實上,就算是外貌...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 15 篇

技術 Day15層狀神經元_2

輸入層的功能輸入層是一塊可以記錄狗或貓照片的圖像用記憶體。輸入層內没有神經元,只負責將圖像訊號輸出至相鄰的隱藏層。在輸入層中,輸入層的記憶體可對應到8×8個像素...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 14 篇

技術 Day14 層狀神經元_1

開始說明如何排列神經元之前,讓我們先簡單介紹人腦如何處理眼睛看到的影像訊號。之後提到的神經網路就是模仿這個過程。以貓和狗的影像為例,具體說明神經元在看到貓和狗時...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 13 篇

技術 Day13 神經元

神經元被觸發時,會產生什麼樣的輸出訊號呢? 輪出的大小是一定的,與「加權總和」的大小完全無開。即使相鄰神經元輪人的訊號很大,輸出訊號的數值仍保持一定。更有趣的是...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 12 篇

技術 Day12閾值

神經元依照算式計算出加權總和後,又會怎麼處理這個計算結果呢?前面我們提到細胞體會判斷接收到的訊號大小,再將結果傳遞給相鄰的神經元」。然而在判斷訊號大小時需要一個...

鐵人賽 AI/ ML & Data
了解AI–道阻且長 系列 第 11 篇

技術 Day11權重

前面提到,神經元會判斷輸入訊號的大小,再將其傳送給相鄰的神經元。那麼神經元到底是如何判斷輸入訊號的大小,又如何將訊號傳送出去的呢?重點在於,若我們鎖定某個神經元...

從0開始學資安 系列 第 22 篇

技術 Day22 通過系統日誌發現攻擊痕跡(Windows)

在前一篇中,我們認識了系統日誌。接下來就是實際開啟系統日誌,並觀察日誌,尋找是否有攻擊痕跡。 首先。先讓我們開啟系統日誌。我們可以使用快捷鍵win+x,然後選擇...

鐵人賽 生成式 AI

技術 30.AI與數位轉型面臨的倫理與挑戰

AI與數位轉型的迅速發展為企業和社會帶來了巨大的潛力,但同時也伴隨著一系列倫理和挑戰問題。這些問題不僅影響著技術的實施和推廣,還對社會、法律和道德框架提出了新的...

從0開始學資安 系列 第 21 篇

技術 Day21 系統日誌基本介紹

系統日誌 日誌檔案 日誌檔案是由軟體產生的檔案,包含應用程式、伺服器或IT系統的操作、活動和使用模式的相關資訊。其中包含的日誌類型有事件日誌、存取日誌、伺服器日...

技術 E3 渲染的奧秘:分形茱莉亞集合的片段著色器藝術

引言 透過前兩天的範例,我們已經理解了頂點著色器和片段著色器的分工模式,頂點著色器負責處理頂點的空間定位,而片段著色器則專注於每個像素的渲染工作。接下來,我們將...

技術 [Day2] 從 DOS到Windows 及Windows 7 到 Windows 8二次重大轉變

夥伴們,歡迎來到「Windows 升級之旅」的第二天!昨天我們談到了從 DOS 到 Windows 這段歷史性飛躍,以及 Windows 7 是如何征服我們的心...

真的好想要好想要 系列 第 27 篇

技術 真的好想要好想要 Day27

在企業內部進行從 Windows 10 到 Windows 11 的升級過程中,採用混合環境策略是一個有效的過渡方式。通過同時運行 Windows 10 和 W...

技術 (Day 27) 企業升級 Windows 11 的成功案例

今天聊聊:企業升級 Windows 11 的成功案例 筆者聲明: 抱歉,筆者對於日本文化(尤其是 IT 產業)仍有一些刻板印象。在筆者的印象中,日本對於 IT...