iT邦幫忙

ai相關文章
共有 1165 則文章
鐵人賽 自我挑戰組 DAY 27

技術 【Tech愛情對談】Talk 27 - 如何跨入AI ? 我的轉職進修分享 <台灣人工智慧學校>(上集)

老婆老婆~你當初怎麼會知道台灣人工智慧學校呢? 會知道這間學校,那就不得不介紹這條路走來的關鍵人物,然後一路被啟蒙的故事XD 台灣產業界的AI推手&lt;陳...

鐵人賽 AI & Data DAY 27

技術 Day 27: 如X光般的看透音樂裡的一切 - AI自動標籤 Musiio

Musiio提供的服務是把音樂的各個元素都打上標籤。 使用方始有兩種: 用戶可以透過提供Soundcloud的連節讓Musiio做自動標籤。 用戶也可以上傳...

鐵人賽 AI & Data DAY 29

技術 [Day 29] 對抗樣本的挑戰:如何利用XAI檢測模型的弱點?

在本系列文章中,我們已經介紹了機器學習領域中用於解釋複雜的黑盒模型的各種方法,想必各位對這些技術有了一定的了解。儘管我們可以透過可解釋性技術來證明模型的能力,但...

鐵人賽 AI & Data DAY 27

技術 Semantic Kernel - planner 規劃器

前言 前面的文章陸續介紹了Semantic Kernel的核心組成,kernel、plugins、connector、Memory,接下來本篇要來介紹最後一個組...

鐵人賽 AI & Data DAY 28

技術 [Day 28] XAI如何影響人類對技術的信任和接受程度?

在科技迅速進步的時代,人工智慧已經深深地融入了我們的生活,從智慧製造、智慧醫療、智慧服務到智慧交通無所不在。然而這種深度的整合也伴隨著對於技術的信任和接受程度的...

鐵人賽 AI & Data DAY 26

技術 Day 26: 你的專屬方文山 - AI做詞 SongwrAlter

縱觀系列文前期所介紹的工具,可以發現能夠輔助作曲或是直接生成音樂成品的工具比比皆是,舉凡演奏曲、主題配樂,甚至是流行歌曲。但提到歌曲就不得不提到歌詞了,因為即使...

鐵人賽 AI & Data DAY 26

技術 [Day 26] XAI在表格型資料的應用:解析智慧工廠中的鋼材缺陷

在當今的工業領域中,智慧製造、碳中和以及數位雙生等議題受到廣泛關注。其中機器學習技術已經開始發揮關鍵作用,特別是在虛擬量測和異常檢測方面。在今天的內容中將帶各位...

鐵人賽 AI & Data DAY 25

技術 Day 25: 摩西分海 Moises分軌 - AI音樂分軌 Moises

Moises是個非常實用的工具,前面我們不只一次提到過Midi與Audio之間的區別,其中主要的一塊就是Audio的所有音軌都像水餃一樣已經煮熟成形無法分離了,...

鐵人賽 AI & Data DAY 26

技術 Semantic Kernel的實踐:Semantic Kernel v1.0.0 Beta1 變化

前言 一如先前所提,本週迎來Semantic Kernel v1.0.0 Beta1,做為v1.0.0的暖身,當然從preview到v1.0.0不意外的有些破壞...

鐵人賽 AI & Data DAY 25

技術 Semantic Kernel的實踐:Semantic Kernel - 串連多個semantic function共享上下文

前言 本篇要來介紹在Semantic Kernel裡,如果要依序執行多個semantic function並且共享上下文,該如何進行?這樣的需求會滿常見的,舉例...

鐵人賽 AI & Data DAY 24

技術 Semantic Kernel的實踐:Semantic Kernel - 整合embedding,以建立私有知識庫應用為例

前言 本篇來談談最多人關心的如何在ChatGPT模型中引用企業私有知識庫,目前最常見的做法不外乎是微調(fine-tuning)或embeddings的使用。本...

鐵人賽 AI & Data DAY 23

技術 Semantic Kernel的實踐:Semantic Kernel - 認識 Connector連接器

前言 在連續談了幾篇有關Plugins的使用之後,本篇要暫時脫離Plugins,進入下一個Semantic Kernel組成,稱為Connector連接器。...

鐵人賽 AI & Data DAY 25

技術 [Day 25] XAI在影像處理中的瑕疵檢測:解釋卷積神經網路的運作

隨著鐵人賽進入尾聲,相信各位已經對可解釋人工智慧(XAI)領域有了一些初步的了解。在接下來的幾天中,我想透過一些實際的例子來介紹 XAI 的實際應用,藉此展示如...

鐵人賽 AI & Data DAY 24

技術 [Day 24] LSTM的可解釋性:從時序資料解析人體姿態預測

在這個系列中,我們已經介紹了深度神經網路中的DNN(深度神經網路)和CNN(卷積神經網路),以及它們如何透過不同的方法進行模型解釋。今天,我們將深入探討如何使用...

鐵人賽 AI & Data DAY 22

技術 Semantic Kernel的實踐:Semantic Kernel - 開箱即用Plugins

前言 Semantic Kernel做為一個SDK,除了提供一個標準化的開發模式之外,也針對一些常用功能提供內建已標準化的Plugins,這些Plugins稱為...

鐵人賽 AI & Data DAY 22

技術 Day 22: 線上DAW的天花板 - AI作曲 BandLab

把BandLab放在這邊才介紹是因為他主體其實是一個特別強大的DAW,然而他也提供了AI作曲的功能 BandLab是一套特別強大的線上DAW系統,在使用Band...

鐵人賽 AI & Data DAY 23

技術 [Day 23] Attention-Based:使用注意力機制解釋CNN模型

近年來注意力機制(Attention Mechanism)已經成為深度學習和神經網路領域的一個重要研究。它不僅能夠改善模型的性能,還可以增強模型的解釋性。201...

鐵人賽 AI & Data DAY 21

技術 Semantic Kernel的實踐:Semantic Kernel - Plugins開發篇- Native Function 多參數傳遞

前言 到目前為所寫的Native Function都是只有一個參數的,但現實場景中多個參數的運用是很常見的需求,本篇內容就來介紹如何建立與使用多參數的Nativ...

鐵人賽 AI & Data DAY 23

技術 Day 23: 青梅煮酒論英雄 - AI作曲工具統整整理

今天我們來把前面介紹過的所有AI作曲工具用表格的方式來做個整理 我們在前面的21天裡介紹了許多以AI為基底來作曲的許多應用工具,這些工具有的僅提供網頁上使用、有...

鐵人賽 Security DAY 29

技術 [Day29] 入侵偵測系統與 AI 結合的應用及方法

看了好多入侵偵測系統(IDS)的產品,很多都有跟 AI 結合。通常,傳統的入侵偵測系統依賴事先定義的規則和特徵,來偵測潛在的威脅,但這些方法往往無法應對新興且未...

鐵人賽 AI & Data DAY 21

技術 Day 21: 在座的各位...都是 _ _ - AI作曲 Suno.ai

前面介紹的AI Audio Generators,基本上都著重在純音樂(BGM)的生成,而今天所要介紹的Suno.ai則是把人聲也加入AI生成模型裡。 Sun...

鐵人賽 AI & Data DAY 22

技術 [Day 22] CAM-Based:如何解釋卷積神經網路

CAM(Class Activation Mapping)是一種用於解釋卷積神經網路(CNN)模型在圖像分類任務中的預測的技術。它的目的是生成一個視覺化的熱圖,...

鐵人賽 AI & Data DAY 20

技術 Day 20: Audio Data在手,跟我走! - AI作曲 Stable Audio

Stable Audio是Stability AI開發的第一個用於AI創作音樂的產品。與MusicLM以及MusicGen相似,使用者可以通過輸入prompt來...

鐵人賽 AI & Data DAY 20

技術 Semantic Kernel的實踐:Semantic Kernel - Plugins開發篇 Semantic Function調用Native Function

前言 前一篇介紹如何撰寫 Native Functions,並且示範如何在程式流程中依邏輯順序分別調用 Semantic Function與Native Fun...

鐵人賽 自我挑戰組 DAY 19
不同的AI 系列 第 19

技術 如何数据收集

根據上文gpt的敘述选择数据来源: 选择一个或多个数据来源,如网站、社交媒体、论坛、新闻网站等。数据爬取: 使用爬虫库(如Scrapy、Beautiful So...

鐵人賽 AI & Data DAY 21

技術 [Day 21] Propagation-Based:探索反向傳播法的可解釋性

今天所要談 Propagation-Based 方法在 CNN 中的作用是透過計算梯度、反向傳播或不同層的特徵來量化每個像素或特徵對預測結果的影響。 從昨天的...

鐵人賽 IT管理 DAY 30

技術 Five mins RPA | 30. 【完賽啦!】GoogleDrive 操作:檔案上傳與下載

GoogleDrive API 今天是最後一篇文章了,要利用雲端使用 GoogleDrive 的應用,GoogleDrive 資料取用等等的,這將會是我們自動化...

鐵人賽 AI & Data DAY 20

技術 [Day 20] Gradient-Based:利用梯度訊息解釋神經網路

在深度學習中梯度訊息扮演著關鍵的角色,尤其在神經網路的訓練過程中。梯度代表了函數相對於參數的變化率,它告訴我們如何調整神經網路的權重和參數,以最小化或最大化一個...

鐵人賽 AI & Data DAY 19

技術 Semantic Kernel的實踐:Semantic Kernel - Plugins開發篇 native functions

前言 前面二篇談論如何建立與使用 semantic functions,接下來要談的就是Plugins的另一種function型態 - native funct...

鐵人賽 AI & Data DAY 19

技術 Day 19: 尬廣跟上不落人後 - AI作曲 MusicGen

在Google MusicLM搖旗之後,Meta(Facebook)很快地也跟進了利用Audio音樂當基底來訓練模型生成Audio音樂的腳步,發布了自己的Mus...