鐵人檔案
深度學習就像是個幻境之地，許多人曾經尋訪卻只得到碎片般的景色。在這裡，希望讓想成為深度學習的魔法使玩家能一覽深度學習之全貌，在30天後可以自信的說出：「沒錯，請你叫我『大魔法使』」。
內容將包含深度學習的Learning map、最新研究技術與商業應用。
在上篇介紹 AutoEncoder 的應用時有提到 VAE（Variational Autoencoder） 可以生成圖片，但是它有一些限制。VAE 實際上沒有...
Yann LeCun （Facebook AI 研究院院長）曾對 GAN 表示讚賞： The most important one, in my opi...
本篇要來實作一個簡單版的 GAN 模型。如果忘記 GAN 是什麼的同學，傳送門在此： [魔法陣系列] Generative Adversarial Netw...
在 魔法陣系列 中，有說明不同魔法陣的應用例子，而這篇想用圖表來帶出整體深度學習的應用幅度，讓各位準魔法使們一覽在深度學習在各行業的魔法效果有多強大。 深度學...
「Deep Learning模型最近若干年的重要进展」一文提到深度學習分四個脈絡： CV/Tensor 生成模型 Sequence Learning Deep...
要介紹 Attention 機制，就不能錯過這篇經典：Google 在 NIPS2017 上發表的論文《Attention Is All You Need》。本...
在理解 DQN 魔法陣的結構後，本篇來帶大家訓練 DQN 模型玩 Flappy Bird，引用參考的程式碼在此：https://github.com/yanpa...
電腦視覺（Computer Vision）一直是我非常著迷的領域，旨在模仿人類視覺系統，作為賦予機器人智能行為的助力，在1966年夏季，MIT AI LAB 成...
自然語言處理（NLP）的目標是設計演算法來讓電腦「理解」自然語言以執行一些任務，依難易度舉例如下： 簡單 拼寫檢查（Spell Checking） 關鍵字搜...
鐵人賽第三十篇，想帶大家來探討聊天機器人（Chatbot）這塊的發展。 圖片來源：https://chatbotsmagazine.com/why-the-...
