iT邦幫忙

ai相關文章
共有 1164 則文章
鐵人賽 生成式 AI DAY 10

技術 Day 10 | CRUD - Update 實作篇 - 行事曆總是改來改去 ?! 外包給 AI Agent 吧 !

前言: 今天我們要做的事 CRUD中的 Update 資料查詢。Update 的操作對於雙向資料處理有著巨大的影響力。它的功能是讓我們可以對原本就有的頁面跟資料...

鐵人賽 生成式 AI DAY 9

技術 Day 9 | CRUD - Read 實作篇 - AI Agent 查詢行事曆助手

前言: 今天我們要做的事 CRUD中的 Read 資料查詢。Read 操作是所有 Notion 應用的基礎。它的核心概念就是「獲取資訊而不改變它」。在資料存取中...

鐵人賽 生成式 AI DAY 8

技術 Day 8: Single-Agent vs Multi-Agent 架構的選擇指南

上一篇討論了 Semantic Kernel Plugins 的複雜參數支援,今天我們來探討另一個重要議題:在設計 AI Agent 系統時,應該選擇 Sing...

鐵人賽 DevOps DAY 8

技術 【Day 8】探討 Prompt 的生命週期:從版控、測試到部署

概述 在上一篇文章中,我們達成了一個重要的共識:Prompt 不僅是與 AI 的對話,它更是需要用工程紀律來嚴謹對待的 API 請求。我們也意識到,由多個 P...

鐵人賽 生成式 AI DAY 8

技術 Day 8 | CRUD - Create 實作篇 - AI Agent 從零創建行事曆 ( 終於有實戰了嗎 ?!

前言 到今天為止我們都是教學這些環境的安裝與概念的釐清,今天我們要實作 CRUD 中的Create (創建)我將分享從零開始創建一個由 AI 助手幫我創建行事曆...

鐵人賽 IT 管理 DAY 8

技術 Day8 - 介面魔法師:AI,你的UI設計神隊友

Moon:黛西,我之前花了時間和 UI 夥伴溝通把幾個頁面的 UI 草圖畫好了。結果老闆開會時說要大改,所有心血都要重來,我快崩潰了啦!(哭倒) 和黛西一起...

鐵人賽 生成式 AI DAY 9

技術 Day 09: 系統設計師從零到一:Kotlin Multiplatform 專案架構

昨天用 AI 輔助學習了 KMP 最佳實踐,今天該來實戰了。 作為系統設計師,我要從一張白紙開始規劃整個專案架構。 還記得第一次看到 Kotlin Multip...

鐵人賽 生成式 AI DAY 8

技術 Day 08: 架構師學習之路:從 KMP 官方文件到最佳實踐

當你同時扮演架構師、開發者、測試員時,如何快速學習新技術? 讓 AI 成為你的學習夥伴。 經過上週的翻車和反思,我終於放下 Java 習慣,擁抱 Kotlin...

鐵人賽 AI & Data DAY 8
為你自己學 n8n 系列 第 8

技術 [為你自己學 n8n] 第 8 天,資料抓取三部曲:召喚 Headless Browser 應戰!

影片連結:https://www.youtube.com/watch?v=3-L9agG_cKAYouTube 頻道:https://www.youtube....

鐵人賽 Security DAY 19

技術 DAY 19 智慧生活不NG靠AI強化安全

隨著物聯網設備數量逐年以指數型的方式增長,傳統的安全防護方式已經很難以應對如此海量的資料流與變化多端的各式攻擊手法,而藉由人工智慧結合機器學習與深度學習等技術,...

鐵人賽 生成式 AI DAY 7

技術 Day 7: Semantic Kernel Plugins 複雜性參數支援度

在前面幾天的內容中,探討了 Function Calling 的基本概念,也實作了簡單的 Plugin 來讓 AI Agent 具備調用工具的能力。但隨著業務需...

鐵人賽 IT 管理 DAY 7

技術 Day7 - 思維淬鍊師:讓AI成為你的「魔鬼教練」

Moon :透過前面系列的前置作業,我和團隊一起發想了不錯的產品構想!接下來~應該就可以直接進去產品規劃和開發階段了吧!YA! 下班後,Moon 很開心的和朋...

鐵人賽 DevOps DAY 7

技術 【Day 7】探討 Prompt Engineering:LLM 的入門磚

概述 在先前的章節中,我們已經深入探討了大型語言模型(LLM)在可觀測性領域中的定位與重要性。我們認識到:LLM 可觀測性的核心,在於如何評估其輸出的不確定性...

鐵人賽 生成式 AI DAY 7

技術 Day 7 | Prompt 基礎教學,你還在當 AI 原始人?!

前言: 我覺得這個主題意外的很少人去探究跟思考,我看到的更多是使用很原始的方式下 Promt 如果你可以用原始的方式下 Promt 得到你想要的,哪我會很佩服你...

鐵人賽 AI & Data DAY 7
為你自己學 n8n 系列 第 7

技術 [為你自己學 n8n] 第 7 天,資料抓取二部曲:HTML 網頁硬抓也不怕!

影片連結:https://www.youtube.com/watch?v=jpZMmr7nHBsYouTube 頻道:https://www.youtube....

鐵人賽 AI & Data DAY 13

技術 【DAY13 】監督式學習:用 Python 實作邏輯迴歸----正則化、梯度與優化算法解析

前言昨天我們學習了如何調整邏輯迴歸的超參數,並透過交叉驗證了解模型在未見資料上的穩定性。今天,我們將針對這些專有名詞做深入解釋,包括正則化、梯度以及求解器(So...

鐵人賽 AI & Data DAY 11

技術 【DAY11】監督式學習:用 Python 實作邏輯迴歸----模型評估

前言昨天我們完成了邏輯迴歸模型的建立,並試著用它預測單筆資料。今天,我們將深入探索模型內部,主要目標有三個: 了解特徵對模型預測的影響 全面評估模型在測試資料...

鐵人賽 AI & Data DAY 10

技術 【DAY10】監督式學習:用 Python 實作邏輯迴歸----模型實作與初步訓練

前言昨天我們完成資料前處理與特徵工程,現在已經有乾淨且規範的資料可以使用。今天將進入核心步驟:建立邏輯迴歸模型,讓模型學習特徵與目標之間的關係。 一、建立邏輯...

鐵人賽 生成式 AI DAY 7

技術 Day 07: 創辦人週報:放下固有習慣,擁抱 Kotlin 哲學

一週過去了。 作為一人公司的創辦人,每週日我會花時間回顧這週的決策、失敗和學習。這不是給投資人看的粉飾報告,而是對自己誠實的反思。 這週的主題很明確:我被自己的...

鐵人賽 自我挑戰組 DAY 8

技術 AI

本篇疑似AI 生成,請讀者小心閱讀! Day 8 Topic : AI話題標籤:# AI 能取代人力嗎 老師說今年(2025) 是AI 代理人元年,也是生成式A...

鐵人賽 AI & Data DAY 9

技術 【DAY9】監督式學習:用 Python 實作邏輯迴歸----資料前處理與特徵工程

前言昨天我們完成了資料的下載、讀取、初步檢視以及簡單視覺化,對資料集的結構、特徵分布和目標類別已有基本認識。今天,我們要在此基礎上,進行資料前處理(Data P...

鐵人賽 生成式 AI DAY 6

技術 Day 6: Semantic Kernel Function Choice Behavior 深度解析:精確控制 AI Agent 的函式呼叫行為

上一篇的內容提到如何撰寫與掛載 Plugins(Tools) 到 Semantic Kernel 中,除了 Plugins(Tools) 的設計與實作之外,控制...

鐵人賽 IT 管理 DAY 6

技術 Day6 - 競品深挖匠:AI 輔助的深度競品分析

Moon:「經過上一站的努力,我發現我好像離客戶又更近了一些!也更能了解客戶的喜、怒、哀、樂了!而且在在追蹤競品和市場趨勢,也開始比較有餘裕一些了。」 黛西:...

鐵人賽 AI & Data DAY 6
為你自己學 n8n 系列 第 6

技術 [為你自己學 n8n] 第 6 天,資料抓取首部曲:結構化資料

影片連結:https://www.youtube.com/watch?v=8lwvTtUKmOIYouTube 頻道:https://www.youtube....

鐵人賽 AI & Data DAY 8

技術 【DAY8】監督式學習:用 Python 實作邏輯迴歸----資料下載與初步測試

前言昨天完成了開發環境建置,今天我們要開始準備邏輯迴歸的資料。首先從網路下載範例資料檔案,然後導入 Jupyter Notebook,進行初步檢視與簡單視覺化(...

鐵人賽 生成式 AI DAY 6

技術 Day 06: 兼任架構師翻車現場:初次見面的血淚史

「我有 10 年的 Spring Boot 經驗,整合個 Compose Desktop 能有多難?」 ——翻車前一小時的我 前情提要:自信滿滿的架構師 昨天的...

鐵人賽 生成式 AI DAY 6

技術 Day 6 | 將API Key 整合到 Claude Desktop 的 Local MCP Server

前言: 那我們 Day 5 有教各位如何獲得我們的 API Key 了,那我們接下來就是差將我們的各種工具接到 Claude Desktop裡面了,今天會教各位...

鐵人賽 AI & Data DAY 7

技術 【DAY7】監督式學習:用 Python 實作邏輯迴歸----開發環境建置

前言昨天我們學到了邏輯迴歸的數學基礎,今天要開始準備實作環境。我們會透過 Anaconda 建立虛擬環境,並使用 Jupyter Notebook 作為開發工具...

鐵人賽 DevOps DAY 6

技術 【Day 6】OpenTelemetry 對於 LLM 可觀測性的重要性

概述 在上一篇文章中,我們深入探討了 LLM 應用的獨特性。它是一個機率性的、以語義為核心的「黑盒子」。我們意識到,傳統的監控手段已無法應對其在遙測、輸出、成...

鐵人賽 AI & Data DAY 6

技術 【DAY6】監督式學習:邏輯迴歸 (Logistic Regression)

前言昨天我們介紹了分類任務,今天要從數學和統計的角度認識一個經典的分類演算法——邏輯迴歸 (Logistic Regression)。為了理解它,先要知道它的前...