iT邦幫忙

ai相關文章
共有 846 則文章

技術 卡爾曼濾波器應用

卡爾曼濾波器例子:追蹤汽車的位置與速度 第一步:預測(依據運動規律) 運動規律 假設汽車的運動規律如下: 位置變化: 每秒的「位置」 = 前一秒的位置 +...

技術 [翻譯]使用AI工具寫程式碼時如何避免「AI幻覺」?

當我們使用像ChatGPT或Claud這樣的AI工具來協助撰寫程式碼時,常常會遇到一個現象:明明問題應該不複雜,AI卻給出了一堆看似「有道理」但不切實際的解法,...

技術 [Day 26] Windows Copilot——智慧輔助的未來

夥伴們,歡迎來到「Windows 升級之旅」的第二十六天!今天我們開啟了全新的主題週,探索 Windows Copilot 的潛力,特別是最新推出的 Copil...

技術 [Day 7] 升級帶來的機遇:生產力與創新

夥伴們,歡迎來到「Windows 升級之旅」的第七天!經過深入探討硬體需求、相容性挑戰及解決方案後,今天我們要重點談談 Windows 11 Pro 帶來的 生...

Windows.AI 系列 第 29

技術 29.AI藝術與創作——AI生成內容的藝術價值

隨著生成式人工智慧(AI)的技術快速發展,AI不再僅僅是解決問題的工具,而是逐漸進入了藝術創作的領域。從繪畫到音樂,從文學創作到電影製作,AI創作出的作品開始引...

Windows.AI 系列 第 28

技術 28.元宇宙與UI/AI:虛擬世界中的互動體驗

隨著技術的飛速發展,元宇宙這個全新的概念正逐漸成為現實,它為人類打開了一個虛擬世界的新大門。在元宇宙中,UI(使用者介面)與AI(人工智慧)在提供沉浸式體驗方面...

Windows.AI 系列 第 27

技術 27.Windows 11 Pro在遊戲產業的應用:Xbox Cloud Gaming與DirectX 12 Ultimate

遊戲產業在數位時代蓬勃發展,無論是電腦遊戲、主機遊戲,還是移動端遊戲,都受到了科技進步的深遠影響。Windows 11 Pro 作為一個為玩家與開發者設計的多功...

Windows.AI 系列 第 26

技術 26.Windows 11 Pro在醫療領域的應用:電子病歷與遠端醫療

隨著數位科技的進步,醫療領域逐漸進入數位化時代,電子病歷與遠端醫療成為現代醫療服務的重要一環。Windows 11 Pro作為最新的操作系統,提供了強大的支持,...

Windows.AI 系列 第 25

技術 25.Windows 11 Pro在教育領域的應用:互動式學習與虛擬實驗室

隨著教育科技的快速發展,數位化學習模式逐漸成為現代教育的重要組成部分。Windows 11 Pro通過其強大的功能整合,為教育領域帶來了更先進的互動式學習和虛擬...

Windows.AI 系列 第 24

技術 24.Windows 11 Pro在遠端工作中的角色:虛擬桌面與雲端服務

隨著全球化和數位化的加速推進,遠端工作已成為越來越多企業運營的主流方式之一。特別是在COVID-19疫情後,企業更加認識到遠端工作環境的重要性。Windows...

鐵人賽 Python

技術 [Day 30] 第四週、Ron's Python Roadmaps 後記(心得、遺珠之憾)

心得 最後一天~雖然已經完賽了但是還有一些事情想要分享給大家XDD 其實在寫這篇系列時,我也想了很久要訂什麼系列的主題。 最後我選擇了「從概念到應用:Pyth...

鐵人賽 AI/ ML & Data DAY 30

技術 [Day 30]告別複雜巨獸 - 一起看第八名的小清新解法與IT鐵人賽後回望

前面介紹的方法又是擴增一堆訓練數據集,又是 ensemble 一堆不同架構、不同訓練方法的模型,真的心滿累的。 所以,今天要跟大家分享的是本次賽題第八名的作法,...

鐵人賽 AI/ ML & Data DAY 30

技術 預測未知,無需重來:零樣本學習

想像有一個模型,即使沒看過某種動物,也能根據「毛茸茸、有大耳朵、長尾巴」推測它可能是隻小袋鼠。這就是 零樣本學習 (Zero-shot Learning, ZS...

鐵人賽 IT 管理 DAY 30

技術 Day 30:用AI工具幫助你的專利一臂之力

我們IT人有了想法要自己先做些前置作業時,若有些工作協助必定能事半功倍,我們前置作業可能包含:前案檢索、翻譯文件、文句編繪成圖等,今天就介紹能幫助在做專利前案作...

鐵人賽 AI/ ML & Data DAY 29

技術 [Day 29]模型與資料的超級 ensemble 體 - 淺談 Curriculum Learning 訓練方法與 Ghostbuster (捉鬼人)如何識別 AI 和人類作文

今天來學習一下第一名和第三名包山包海的 ensemble 大法。 🥇1st Solution 第一名的解法不愧是第一名,他們真的花好多 effort 在解這個賽...

鐵人賽 生成式 AI DAY 30

技術 RAG 篇章 - 使用 Kernel Memory 與 Qdrant 向量資料庫實作 RAG

在前面二篇的文章裡,範例均是以文字陣列資料做為向量處理的來源資料,而實務上可能面臨更多的來源資料格式,包含:Web pages、PDF、Word、Markdow...

鐵人賽 Python DAY 30

技術 [Day29] Python專案 - 人工智能的開端與Python的共舞(2) 深度學習(excel學神經網路、預測妹子的喜好)

目標 今天是我們的名面上最後一天,我們要探討的是深度學習**深度學習(Deep Learning)**無疑是其中一個最重要的領域。從自動駕駛汽車、語音識別、推...

Windows.AI 系列 第 19

技術 19.人機協作:如何讓AI成為人類的助手

隨著人工智慧(AI)的快速發展,AI在工作與生活中扮演的角色日益重要。從智能助理到自動化工具,AI的應用已經滲透到多個行業和領域。然而,如何讓AI真正成為人類的...

鐵人賽 生成式 AI DAY 29

技術 RAG 篇章 - 使用 Qdrant 向量資料庫

當我們談到 RAG 應用的時候,除了向量化之外,另一個重點就是向量資料庫,與傳統資料庫不同,向量資料庫是專門為了高維度資料以及相似度搜尋而存在的,目前市場有許多...

鐵人賽 AI/ ML & Data DAY 28

技術 AI與環境保護:應用於氣候監控與資源管理

全球環境問題不斷惡化,如氣候變遷、能源匱乏和污染危機,迫使各界探索創新解決方案。AI技術不僅提升了我們對自然現象的理解,還在資源管理和環境保護中發揮了前所未有的...

鐵人賽 AI/ ML & Data DAY 27

技術 [Day 27]照妖(AI)鏡下的秘密-利用TF-IDF、BPE編碼、Kmeans Cluster和DetectGPT技術區分人類與AI寫作

標題提到一堆技術名詞...別擔心,今天都會串起來,像一個偵探故事一樣,每種技術都是線索,幫助我們揪出到底誰找 AI 當槍手。👀 前言 昨天我們聊到僅用「錯字率」...

鐵人賽 生成式 AI DAY 28

技術 RAG 篇章 - 運用快閃記憶體實現向量檢索

上一篇講了 RAG 應用裡很重要的向量處理,這次要來聊聊怎麼用快閃記憶體來搞定向量資料的儲存以及進行快速檢索的做法。這個示範不使用任何向量資料庫產品,單純以快閃...

鐵人賽 AI/ ML & Data DAY 26

技術 [Day 26]"是人是AI,一照便知" - 沒想到最終能找出LLM槍手的原因,是因為LLM太完美了?!

自從2023年大型語言模型如ChatGPT火起來後,這些AI不僅能寫出幾乎和人一樣的文章,還開始影響學生的學習方式。雖然這讓寫作業變得簡單了,但也可能讓學生們...

鐵人賽 生成式 AI DAY 27

技術 RAG 篇章 - 向量概念

生成式AI除了常聽到文案寫作、翻譯之外,RAG 應該是另一個也很常聽見或看到的應用。RAG 是「檢索增強生成」(Retrieval-Augmented Gene...

鐵人賽 IT 管理 DAY 28

技術 Day 28 : GitHub & M365 Copilot 星球階段性旅程總結

在過去兩周的時間裡深入探索了分別由微軟和GitHub開發的強大AI助手:Microsoft Copilot和GitHub Copilot,這段旅程不僅了解了這...

鐵人賽 AI/ ML & Data DAY 25

技術 [Day25]誰說打kaggle比賽一定要訓練模型?從第三名的解法看 Self-Consistency + Code Reasoning 之外的比賽工程技巧

前言 昨天我們介紹了第一名的作法,雖然很精彩,但是他們在前期的兩階段訓練中(可能也是最重要的一部分)耗費了對個人參賽者(非實驗室)來說巨大的算力(八張 H100...

鐵人賽 生成式 AI DAY 26

技術 好夥伴:整合 Azure AI Inference SDK

我想大多數開發者都聽過 Azure OpenAI (又稱AOAI),但應該比較少開發者聽過 Azure AI Studio 以及 Azure AI Infere...

鐵人賽 AI/ ML & Data DAY 24

技術 [Day24]Try and Error! 淺談整合 Tool-Integrated Reasoning 和 Code Debugging 能力的 Decode 策略

第一名由 Numina 和 Hugging Face 的大佬們合作拿下,解決了private test set 中的 29/50 個問題,最終喜提美金 $131...

鐵人賽 生成式 AI DAY 25

技術 LLM 別再亂來!收服 Prompt 和 Plugin Function

在開發 LLM(大型語言模型)應用的過程中,有沒有發現有時候執行的結果跟你預期的有點不一樣?你設計的 Prompt(提示語)或是 Plugin function...