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 現在做資料分析或機器學習，選模型這件事真的很重要。除了那些大家常聽到的分類、回歸這類基本模型，其實還有一種比較特別的模型，它專門拿來處理時間序列資料。 這...
前言 昨天你學過 LSTM但你肯定還搞不清楚它到底在做什麼，而今天我會帶你從零手刻一個雙層 LSTM，並套用在經典的 IMDB 影評情緒分類任務中。這篇重點不在...
前言 模型大致上可以分成兩大類分類型的跟生成型的。通常分類的模型會用到 Encoder 架構，也就是我們前面幾個章節提到的那些內容，其實都是在講 Encoder...
前言 不管是 LSTM 還是 RNN，只要時間步太多，就很容易遇到梯度消失的問題——這點我們在 Day 11 也有提過。當資料一路傳到最後一個 context...
前言 昨天我們把 Seq2Seq 搭配 Attention 的模型結構完整實作出來，而今天的重點就放在訓練與應用，讓它能處理基本的中英翻譯。那問題來了怎麼判斷這...
前言 這幾天我會陸續和大家介紹 Transformer 模型的結構細節。老實說這個模型的重要性真的不容小覷，它幾乎可以說是現在 AI 世界的核心。不誇張地說只要...
前言 在深度學習的世界裡，從頭開始訓練一個模型，不只費時，還非常燒資源。更不用說為了讓訓練有效果，還得準備大量資料，這正是許多人卡關的地方。畢竟資料不是想收就收...
前言 在自然語言處理的世界裡BERT 可說是近十年來最具代表性的模型之一，它不僅改寫了多項語言任務的表現標準，更奠定了後續各類 Transformer 模型的核...
前言 這幾天從 Day 16 到 Day 18，我們把 Transformer 的數學公式拆得超細，連帶著整個 BERT 的架構也講得蠻透徹了。現在，是時候來點...
前言 前一章我們拆解了 Transformer Encoder 的結構，從多層的 Self-Attention 到 Feed Forward Network，看...
