鐵人檔案
這是一場新手上路的 30 天鐵人挑戰。身為剛踏進深度學習世界的新手玩家，我會和大家一起從零開始，像在遊戲裡從「入門村」出發，一步步練功、解鎖技能，直到挑戰最終 BOSS！前期我打算先搞懂基礎任務：什麼是神經元？梯度下降怎麼讓模型學習？接著升級到卷積神經網路 (CNN)，挑戰影像辨識副本。隨著等級提升，會遇到更高難度的關卡。至於最終 BOSS，可能是圖像辨識、生成式 AI、可能是大型語言模型，也可能是一路上發現的新挑戰。讓我們一起開始吧~
大家好，我是RQTT！這是我第一次參加 iThome 鐵人賽，要挑戰連續 30 天寫文章。身為一個剛踏進深度學習世界的新手，我想把這段學習歷程記錄下來，也順便跟...
昨天我們才剛創好角色，正式進入深度學習的新手村。今天要解的任務是 —— 深度學習為什麼會突然爆紅？為什麼過去幾年大家都在講 AI、講深度學習，甚至連 ChatG...
昨天我們聊了深度學習為什麼會爆紅，今天的新手村任務是 —— 搞懂監督式學習 (Supervised Learning) 與非監督式學習 (Unsupervise...
昨天我們聊了監督式與非監督式學習，再直接切入深度學習之前，今天要把視角再拉高一層，來看看 AI、ML、DL 之間的關係。這三個詞常常被混用，但其實它們就像遊戲裡...
昨天我們在技能樹上看了 AI → ML → DL 的大地圖，今天就要實際走進 機器學習村 (ML Village) 和 深度學習村 (DL Village) 參...
昨天我們逛了機器學習村和深度學習村，今天要更進一步，走進深度學習的「核心工坊」，看看一切的基石 —— 神經元 。就像冒險遊戲裡的「角色屬性點」，神經元是最小的單...
昨天我們聊了神經元的本質，知道它能做「輸入 → 加權 → 激活 → 輸出」。但單顆神經元的能力其實很有限，今天我們要把神經元一顆顆疊起來，看看這樣的網路能帶來什...
我原本昨天寫好發完的...結果今天被通知段賽...不知道甚麼問題 昨天我們把神經元堆疊成多層，終於組出了一個能處理更複雜問題的「冒險隊伍」。但是光有隊伍還不夠，...
經過 Day 8 的小批次訓練和正規化，我們的神經網路冒險隊伍已經擁有了強大的穩定術。現在，隊伍已經穩定，接下來要解決的核心問題是：模型要採取什麼樣的策略來執行...
今天換個輕鬆的方式：用 TensorFlow Playground 來「看見」神經網路怎麼學習。這個互動平台就像一個神經網路戰鬥地圖，你可以自由調整參數，然後立...
