鐵人檔案
你有沒有曾經覺得深度學習模型就像一座高牆難以下手？打開經典論文，裡面的數學推導和公式讓人一頭霧水；去看開源程式碼，卻又覺得太抽象難懂。
其實一切都可以從最簡單的數學公式 Wx+b 開始。因此在這 30 天的學習旅程裡，我會陪你從最基礎的線性層（nn.Linear）出發，帶你一步一步拼湊出神經網路的核心積木。我們會一起動手實作多層感知機（MLP）、卷積網路（CNN）、循環網路（RNN）等熱門架構，最後一路走到 Transformer 與 LLM（大型語言模型），掌握當前最創新的技術。
這不會只是一堂滿滿理論的文章，而是一場邊學邊做的冒險。
前言 身為一個重度拖延症患者，每年參賽前我都立志要先屯好稿再開賽，但結果總是拖到最後一刻一字未動。今年是我第四次參賽，本以為狀況會跟以往一樣，不過這次卻完全不同...
前言 在開始學習之前，我們需要先理解一個最基本的概念，再複雜的模型，本質上都可以用 WX + b 來表示。這個公式是人工智慧中最基礎的基礎，但往往在任何一門 A...
前言 在學習深度學習模型的時候，很多同學常常會有一個疑問，模型是怎麼一步一步變得「更聰明」的呢？其實模型的進步並不是一次到位，而是透過不斷修正與調整來完成的。就...
前言 在我們昨天的做法中其實是後續的改良方法，因為單層感知器並不是透過損失函數與梯度下降來更新權重，而是依照感知器學習規則 (Perceptron Learni...
