iT邦幫忙

鐵人檔案

2023 iThome 鐵人賽
回列表
AI & Data

擁抱AI - 瞭解AI的各項技術範疇及應用領域 系列

AI對人類的影響無所不在。在醫療領域,醫生可透過機器學習更快速地幫助醫生診斷疾病,減少醫生的看診時間,並提高醫療品質。在金融領域,它們用於詐騙檢測和股市預測,影響投資決策。在交通領域,自動駕駛汽車的發展將改變交通方式,提高安全性並減少交通擁堵。

雖然AI已經深刻地影響了我們的生活,但同時它們也提供了巨大的機會,我們需要警惕地應對相關挑戰,以確保其對社會和個人產生正面影響。

參賽天數 4 天 | 共 14 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 1

[Day 1] 深度學習應用及介紹

深度學習的特點 深度學習(Deep Learning)是近年來機器學習中最廣為人知的一個領域,其特點在於由電腦自行從大量資料中尋找規則,並提取特徵和模式,從而進...

DAY 2

[Day 2] 監督式學習(Supervised Learning) - 特色及應用篇

監督式學習是透過觀察訓練樣本的輸入和輸出,以學習並預測中間的處理函數。其核心特點為必須先對訓練資料進行標註,以讓模型學會預測或分類的技能。其主要應用如下: 監督...

DAY 3

[Day 3] 監督式學習(Supervised Learning) - 演算法篇

今天要介紹的是監督式學習的演算法篇的部分~ 迴歸(Regression): 迴歸主要是預測連續數值型的輸出。它可以通過分析多筆資料來建立數學關係,以預測新的數值...

DAY 4

[Day 4] 非監督式學習(Unupervised Learning) - 特色及應用篇

非監督式學習(Unupervised Learning)是機器學習的一種方法,**它的最大特色在於使用者不須事先標記訓練資料,而是透過資料本身的特性,自行尋找資...

DAY 4

[Day 5] 非監督式學習(Unupervised Learning) - 演算法篇

前面介紹過非監督式學習的特點了分別是服用事前標註資料,他就會從多筆資料中篩選出資料的特徵,並進行分類。今天我們要聊的是非監督式學習的演算法 非監督式學習相關演算...

DAY 4

[Day 6] 生成式人工智慧(Generative AI)

今天我們來講酷酷的東西! 生成式人工智慧~ 生成式人工智慧,簡單來說就是**只要使用者給予AI指令, AI就能夠生成出如文本、圖像或者程式等應用的人工智慧系統。...

DAY 4

[Day 7] 半監督式學習(Semi-Superprised Learning)

今天要來介紹的是半監督式學習~半監督式學習,簡單來講,他介於監督式學習與非監督式學習之間,他一次只標記少部分的資料,機器再從已標註的資料中尋找特徵,並試著將未標...

DAY 4

[Day 8] 大型語言模型(Large Language Model, LLM)

今天我們來談大型語言模型(Large Language Model, LLM)。 大型語言模型是一種使用深度學習技術訓練的自然語言處理模型。這些模型在處理自然語...

DAY 4

[Day 9] 強化式學習(Reinforcement Learning, RL)

今天我們來介紹強化式學習。 強化式學習是甚麼 強化式學習是機器學習的一種,系統藉由與環境不斷重複地互動,來學習應如何正確地執行一項任務。強化式學習的核心概念是「...

DAY 4

[Day 10] Confusion Matrix

今天我們來介紹ROC曲線~ Confusion Matrix Confusion Matrix是機器學習的一種評估預測結果的工具,主要用來評估模型的性能。通常以...