iT邦幫忙

17th鐵人賽相關文章
共有 19759 則文章
鐵人賽 生成式 AI DAY 15

技術 [Day 15] 優化 Prompt 指令 - 角色扮演設計

前言 寫了這麼多篇 Agent,你可能發現一個問題:Agent 的回應總是感覺很「機械」,缺乏個性…(´・ω・`) 想讓你的 Agent 更有趣、更貼近使用者需...

鐵人賽 Modern Web DAY 15

技術 DAY15 css flex(4)內元素及 flex應用:製作並排選單

內元件 從前面介紹會發現,調整外容器時內元件都是一起變更的,若想單獨針對內元件進行調整,需要另外進行設定 內元件 (items) flex:下面 3 個屬性的...

鐵人賽 Odoo DAY 19

技術 AIGC 視角下的 Odoo:從數據到智慧決策

AIGC 視角下的 Odoo:從數據到智慧決策 引言 Odoo 作為一套開源 ERP/CRM 平台,早已是許多中小企業數位轉型的重要工具。它能整合會計、庫存、人...

鐵人賽 AI & Data DAY 16

技術 [Day 16] 寫程式囉!RTDE Python Client Library官方函式庫

接上網路線之後,設定好ip就可以控制手臂囉,這次我們使用Python來做為控制的程式。 Python目前有好幾組函式庫可以控制UR手臂,包括UR官方RTDE(R...

鐵人賽 AI & Data DAY 22

技術 AIGC時代的啟程:生成式人工智慧的現況與未來

AIGC時代的啟程:生成式人工智慧的現況與未來 引言 近年來,人工智慧(AI)的發展進入了前所未有的加速階段。從最初的弱人工智慧,到如今的強人工智慧與生成式人工...

鐵人賽 Modern Web DAY 15
PHP 新手自學筆記 系列 第 15 篇

技術 【Day15】進階陣列函式

參考:w3schools 昨天整理的基本上都是處理一維陣列的函式,今天整理二維陣列的函式,可以用在處理資料之類的 array_column() : 從二維陣...

鐵人賽 自我挑戰組 DAY 17

技術 Day 17: DataStore與豆腐圖鑑串接

每天晚上8:30準時上映 今天把DataStore跟豆腐的圖鑑做好串接了,接下來只要玩家有找到過的豆腐都會在圖鑑中顯示他的圖片以及完整名字,並且今天還新增了五...

鐵人賽 生成式 AI DAY 15

技術 [Day15] 實作一個 LLaMA2 模型 (二)

昨天我們完成了超參數的定義 ModelConfig,以及 RMSNorm 模塊,今天我們會逐步完成 LLaMA2 的關鍵結構,讓模型逐漸成形。 LLaMA2 A...

鐵人賽 生成式 AI DAY 17

技術 Day 17:藥品資訊分類標籤 – 讓查詢更有系統

前言 到昨天為止,我的專案已經能夠: 查詢藥品資訊 提供 AI 翻譯和摘要 把資料存進 SQLite 資料庫 在 Streamlit 介面上查詢...

鐵人賽 生成式 AI DAY 15
Olive Young 購買指南 系列 第 15 篇

技術 十五天

今天來看最近很紅的成分PDRN,是我喜歡的產品裡面含有的東西 PDRN也就是大眾說的「鮭魚DNA」,最早是用在醫療方面,用來促進傷口癒合還有加速組織修復。近年來...

鐵人賽 Modern Web DAY 15

技術 煉金術的兩種配方:PostCSS 插件的配置模式

我不段重複 plugins 是 postcss 最重要的設定,並在「無需學習的天賦,Vite 與生俱來的 PostCSS 魔法」提到:plugins 設定接受兩...

鐵人賽 Odoo DAY 16

技術 Day 16:Odoo 報表與 QWeb PDF 輸出

在企業日常營運中,報表(Reports)是不可或缺的一部分,例如:發票、訂單、出貨單、財務報表等。Odoo 透過 QWeb 模板系統,提供了強大且彈性的 PDF...

鐵人賽 生成式 AI

技術 【Day27】第三專案(三):Gemini+NotebookLM協同開發

TL;DR 學習如何將 NotebookLM 的「分析成果」,無縫整合進 Gemini 的「開發指令」中。 體驗 AI 團隊的進階工作流:NotebookLM...

鐵人賽 Modern Web DAY 15

技術 Day15. HTML & CSS 元件進階:按鈕效果與互動設計

昨天我們學會了按鈕的基本元件設計(尺寸、顏色、圓角、hover、disabled),今天要進一步優化按鈕!! 1. 進階按鈕設計 按鈕是網站最常見的互動元件,...

技術 半個月心得與總結

不知不覺,我的鐵人賽挑戰已經來到第 15 天,等於整整完成了一半。回顧這段時間,其實每天都在跟程式碼、Bug、CSS 排版苦戰,但同時也一步步把腦中的構想變成實...

鐵人賽 Modern Web DAY 29

技術 部署(二):域名 Domain Name 該怎麼選?

一旦部落格已經架設在某個網頁伺服器,我們就會得到一組網址,例如用 Cloudflare Pages 會拿到 .pages.dev 為後綴的連結、GitHub P...

鐵人賽 生成式 AI DAY 23
練習AI 系列 第 24 篇

技術 章節錨點 + 章節優先檢索(Section-first Retrieval)

🆕 程式碼 src/utils/md_ast.js(新增) 輕量 Markdown 區塊解析:抓出 H1~H6 標題、slug、章節文字範圍。 // src...

鐵人賽 Security DAY 17
資訊安全學習大作戰 系列 第 17 篇

技術 資訊安全學習大作戰Day17-SMTP&POP&IMAP

說完HTTPS,今天來說其他應用層的協定。 SMTP,port:25,是用來電子郵件在伺服器主機到伺服器主機間用的,也是最一開始標準port,但後來因為是未加密...

鐵人賽 生成式 AI DAY 15

技術 Day 15 - 【鬧鐘實戰 VI】細節打磨:實現「重複」與「提示聲」設定

昨天,我們完成了新增與編輯鬧鐘的核心功能,成功打通了 App 的數據主動脈。現在,需要將右邊的 > 指示選項背後的子功能頁面實作出來。 困惑點:多層頁...

技術 Chapter 7 實作專案-6(路徑搜尋)-day27

遵循固定路線雖然比起隨機行走改善了效率但如果能依據實際需要的路徑而調整路線,可讓效率更好 稍微岔出去說明一下什麼是 graph,跟 breadth-first...

鐵人賽 IT 管理 DAY 16
敏捷組織的五項修練 系列 第 16 篇

技術 Day 16. 敏捷組織的五項修練:非正式交流網絡—步行者馬車輪酒吧(Walker’s Wagon Wheel)

「來喝一杯吧!」 1. 半導體產業的秘密水源 在1960年代的加州,一個後來被稱為「矽谷」的地方,正在孕育一場即將顛覆世界的半導體革命。白天,在快捷半導體(...

技術 Day 17. Amazon DynamoDB

在前一篇,我們介紹了關聯式資料庫服務 Amazon RDS。今天要來看看另一種資料庫 Amazon DynamoDB,它是一種非關聯式資料庫,特別適合需要高效能...

鐵人賽 生成式 AI DAY 30

技術 30天AI協作原型設計的完整心得

30天的AI協作原型設計挑戰即將落下帷幕。回首這段旅程,我發現自己經歷的不只是技術能力的提升,更是思維模式的根本性轉變。從一個對AI半信半疑的設計師,蛻變為能夠...

鐵人賽 生成式 AI DAY 15

技術 生成式 AI 與數位人(Digital Human)的未來

一、技術融合的趨勢 生成式 AI 的核心在於能自動產生文字、圖像、語音,甚至多模態內容。當這些能力與「數位人」技術結合時,數位人將不只是表面上的 3D 模型,而...

鐵人賽 Build on AWS DAY 19
小資族的量化交易 101 系列 第 19 篇

技術 Day 19: 對沖的風險與報酬探討

小明的農業保險學 今天要學習對沖策略,這就像爸爸為農作物買保險一樣。還記得那年颱風來襲,隔壁叔叔因為沒保險血本無歸,而爸爸雖然產量受損,但保險理賠讓損失降到最低...

鐵人賽 Modern Web DAY 13

技術 Day15:JavaScript 事件處理 (Event Handling) 進階

學習目標 了解什麼是事件 (Event)與事件監聽器 (Event Listener)。 學會使用addEventListener綁定多個事件。 學會事件物件...

鐵人賽 自我挑戰組 DAY 26

技術 第二十六天:指尖的策略:滑鼠事件處理與卡牌的精準選取

嗨,各位程式碼冒險家!歡迎來到我的「順著感覺走!從零開始的 Python & Vibe Coding 遊戲創作」第二十六天。在過去幾天,我們為《奇幻卡牌...

鐵人賽 生成式 AI DAY 29

技術 AI協作原型設計的經驗傳承

經過一系列的深度實踐,我們從AI協作的摸索期走到了成熟運用階段。這些經驗的價值不應該只停留在個人層面,而是要系統化為可傳承的知識體系。今天我要將最關鍵的成功經驗...

鐵人賽 自我挑戰組 DAY 16

技術 Day 16 - Pandas DataFrame 的創建與資料存取

大家好,歡迎來到數據新手村的第十六天!昨天我們認識了 Pandas 的一維資料結構 Series,可以把它看作是帶有索引標籤的一維陣列。 今天,我們將迎來 Pa...

鐵人賽 AI & Data DAY 15

技術 RAG系統(Retrieval-Augmented Generation)

RAG(Retrieval-Augmented Generation)是一種結合檢索與生成的架構,旨在讓大型語言模型(LLM)在回答時依賴外部知識庫以提高準確性...