iT邦幫忙

ai相關文章
共有 670 則文章
0 Like 0 留言 390 瀏覽
鐵人賽 AI & Data DAY 25
揭開黑箱模型：探索可解釋人工智慧 系列 第 25 篇

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...

10程式中 ‧ 2023-10-08
0 Like 0 留言 272 瀏覽
鐵人賽 AI & Data DAY 23
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 23 篇

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...

fd2 ‧ 2023-10-08
0 Like 0 留言 930 瀏覽
鐵人賽 AI & Data DAY 22
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 22 篇

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...

Ian ‧ 2023-10-07
0 Like 0 留言 328 瀏覽
鐵人賽 AI & Data DAY 22
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 22 篇

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...

fd2 ‧ 2023-10-07
0 Like 0 留言 1413 瀏覽
鐵人賽 AI & Data DAY 24
揭開黑箱模型：探索可解釋人工智慧 系列 第 24 篇

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...

10程式中 ‧ 2023-10-07
0 Like 0 留言 907 瀏覽
鐵人賽 AI & Data DAY 21
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 21 篇

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...

Ian ‧ 2023-10-06
0 Like 0 留言 1170 瀏覽
鐵人賽 AI & Data DAY 23
揭開黑箱模型：探索可解釋人工智慧 系列 第 23 篇

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...

10程式中 ‧ 2023-10-06
0 Like 0 留言 1686 瀏覽
鐵人賽 AI & Data DAY 21
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 21 篇

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...

fd2 ‧ 2023-10-06
0 Like 0 留言 813 瀏覽
鐵人賽 AI & Data DAY 20
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 20 篇

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...

Ian ‧ 2023-10-05
0 Like 0 留言 370 瀏覽
鐵人賽 AI & Data DAY 20
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 20 篇

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...

fd2 ‧ 2023-10-05
0 Like 0 留言 864 瀏覽
鐵人賽 AI & Data DAY 22
揭開黑箱模型：探索可解釋人工智慧 系列 第 22 篇

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，...

10程式中 ‧ 2023-10-05
0 Like 0 留言 774 瀏覽
鐵人賽 AI & Data DAY 19
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 19 篇

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...

Ian ‧ 2023-10-04
0 Like 0 留言 433 瀏覽
鐵人賽 AI & Data DAY 21
揭開黑箱模型：探索可解釋人工智慧 系列 第 21 篇

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...

10程式中 ‧ 2023-10-04
0 Like 0 留言 184 瀏覽
鐵人賽 自我挑戰組 DAY 19
不同的AI 系列 第 19 篇

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...

tina951231 ‧ 2023-10-04 ‧團隊真是狗了！！！
0 Like 0 留言 250 瀏覽
鐵人賽 IT管理 DAY 30
Five mins RPA | 機器人流程自動化 系列 第 30 篇

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...

juck30808 ‧ 2023-10-04
0 Like 0 留言 163 瀏覽
鐵人賽 AI & Data DAY 19
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 19 篇

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...

fd2 ‧ 2023-10-04
0 Like 0 留言 499 瀏覽
鐵人賽 AI & Data DAY 20
揭開黑箱模型：探索可解釋人工智慧 系列 第 20 篇

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...

10程式中 ‧ 2023-10-03
0 Like 0 留言 763 瀏覽
鐵人賽 AI & Data DAY 18
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 18 篇

技術 Semantic Kernel的實踐：Semantic Kernel - Plugins開發篇 Semantic functions (Part 2)

前言 在前一篇文章中，探討了Semantic Functions的Inline寫法，透過Prompt Engineering的概念，展現了LLM模型的能力。然而...

Ian ‧ 2023-10-03
0 Like 0 留言 451 瀏覽
鐵人賽 AI & Data DAY 18
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 18 篇

技術 Day 18: 一隻穿雲箭 穿軍萬馬來相見 - AI作曲 MusicLM

在2022年年底ChatGPT爆炸般的橫空出世後，各種AIGC相關應用如雨後春筍般不斷地冒出來，雖然對於ChatGPT來說，AI的音樂生成還無法像其他領域應用...

fd2 ‧ 2023-10-03
1 Like 0 留言 181 瀏覽
鐵人賽 IT管理 DAY 29
Five mins RPA | 機器人流程自動化 系列 第 29 篇

技術 Five mins RPA | 29. GoogleSheet 操作：RPA 調整表格

GoogleSheet API 在確認 Google Cloud Platform 的 API 憑證開立後，我們已經能夠任意的使用 GoogleSheet 的...

juck30808 ‧ 2023-10-03
0 Like 0 留言 182 瀏覽
鐵人賽 AI & Data DAY 17
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 17 篇

技術 Day 17: Midi與Audio的那些小事

前面我們介紹的幾個AI作曲工具，雖然各家各有各的技術，但以最基本的層面來說，絕大部分都是在Midi檔案上面在做創作，再透過一些後續的處理來生成完整的樂曲，而接下...

fd2 ‧ 2023-10-02
0 Like 0 留言 325 瀏覽
鐵人賽 AI & Data DAY 19
揭開黑箱模型：探索可解釋人工智慧 系列 第 19 篇

技術 [Day 19] Perturbation-Based：如何用擾動方法解釋神經網路

如果想要了解一張圖片中哪些區域對於 CNN 神經網路的判斷結果具有影響力，可以參考基於擾動的 Perturbation-Based 方法。它有很多不同種的變形，...

10程式中 ‧ 2023-10-02
0 Like 0 留言 124 瀏覽
鐵人賽 自我挑戰組 DAY 17
不同的AI 系列 第 17 篇

技術 漂亮身材好又不會出錯的AI舞伴

跳舞機器人的技術AI在下棋方面已經取得了很大的進展，許多人工智能程序在國際象棋、圍棋和跳棋等棋類遊戲中已經能夠擊敗世界頂級的人類選手。AlphaZero、Sto...

tina951231 ‧ 2023-10-02 ‧團隊真是狗了！！！
0 Like 0 留言 976 瀏覽
鐵人賽 AI & Data DAY 17
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 17 篇

技術 Semantic Kernel的實踐：Semantic Kernel - Plugins開發篇 Semantic functions (Part 1)

前言 前一篇我們認識了Plugins以及它在Semantic Kernel裡的作用，本篇就開始動手來打造Plugins，首先來看的semantic functi...

Ian ‧ 2023-10-02
1 Like 0 留言 234 瀏覽
鐵人賽 IT管理 DAY 28
Five mins RPA | 機器人流程自動化 系列 第 28 篇

技術 Five mins RPA | 28. GoogleSheet 操作：資料串接測試

GoogleSheet API RPA 系列邁入最後尾聲了，接下來幾個章節會開始切入到雲端使用，像是 GoogleSheet 的應用，GoogleDrive 資...

juck30808 ‧ 2023-10-02
0 Like 0 留言 293 瀏覽
鐵人賽 AI & Data DAY 22
圖像生成 AI 的原理與應用 系列 第 22 篇

技術 [Day 22] 各式各樣的 AI 文字生圖服務 - Midjourney、Stable Diffusion、DALL·E、Bing Image Creator、Imagen

關於幾個經典的圖像生成模型的介紹終於告一個段落了！接下來的內容，會開始介紹基於圖像生成 AI 模型的服務～並且盡可能實際使用並比較它們的產生影像的效果 所謂文字...

hard_fish ‧ 2023-10-01
0 Like 0 留言 775 瀏覽
鐵人賽 AI & Data DAY 16
OpenAI 從提示工程（Prompt Engineering)到語義核心(Semantic Kernel)的實踐 系列 第 16 篇

技術 Semantic Kernel的實踐：Semantic Kernel - 認識 plugins

前言 plugins是Semantic Kernel的核心組成之一，主要功用是封裝能力組成，交由Kernel來運行，提升LLM應用的層面，本篇來認識 plugi...

Ian ‧ 2023-10-01
0 Like 0 留言 679 瀏覽
鐵人賽 AI & Data DAY 18
揭開黑箱模型：探索可解釋人工智慧 系列 第 18 篇

技術 [Day 18] CNN：卷積深度神經網路的解釋方法

在當今的深度學習領域中，卷積神經網路（CNN）已經成為許多電腦視覺任務的首選模型，例如圖像分類、物體偵測、語意分割、動作偵測等，這些重大突破都歸功於卷積神經網路...

10程式中 ‧ 2023-10-01
0 Like 0 留言 277 瀏覽
鐵人賽 AI & Data DAY 16
工欲善其事，必先利其器。AI音樂相關應用工具介紹 系列 第 16 篇

技術 Day 16: 往事只能回味 -AI作曲 Amper Music & Jukedeck

今天我們來介紹兩家滿早期的AI作曲公司:Jukedeck以及Amper Music。這兩家公司都是屬於比較早期就開始發展AI作曲的公司，可惜的是目前兩家公司都已...

fd2 ‧ 2023-10-01
1 Like 0 留言 205 瀏覽
鐵人賽 IT管理 DAY 27
Five mins RPA | 機器人流程自動化 系列 第 27 篇

技術 Five mins RPA | 27. GoogleSheet 操作：GCP 開啟權限

GoogleSheet API RPA 系列邁入最後尾聲了，接下來幾個章節會開始切入到雲端使用，像是 GoogleSheet 的應用，GoogleDrive 資...

juck30808 ‧ 2023-10-01
iThome鐵人賽
參賽組數
1123 組
團體組數
52 組
累計文章數
23096 篇
完賽人數
656 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 2018鐵人賽 javascript 2017鐵人賽 python windows php c# windows server linux css 程式設計 react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙