iT邦幫忙

鐵人檔案

2024 iThome 鐵人賽
回列表
自我挑戰組

30 天程式學習筆記:我的自學成長之路 系列

這是一個程式自學者的 30 天鐵人賽挑戰!我會分享過去累積的學習筆記,涵蓋不同程式語言的語法教學,並結合個人自學歷程,帶你一起走過那些年我們踩過的坑。

從基礎語法到實戰應用,我會以輕鬆易懂的方式呈現,並分享學習路上的心路歷程,希望能幫助其他自學者找到學習方向,也為自己的學習旅程留下紀錄。

鐵人鍊成 | 共 30 篇文章 | 5 人訂閱 訂閱系列文 RSS系列文
DAY 21

[DAY 21]文獻閱讀救星:LLM + RAG 讓你輕鬆掌握研究重點

當你聽到「大語言模型(LLM)」、「Ollama」、或「檢索增強生成(RAG)」時,這些詞可能會讓人感到困惑,好像是高深莫測的黑科技。但其實,這些技術背後的邏輯...

2024-09-21 ‧ 由 lafeeleaf 分享
DAY 22

[DAY 22]AI 文獻處理實戰(1):使用 PyPDF2、Ollama 和 Chromadb 建立你的自動化流程

在上一篇中,我們介紹了大語言模型(LLM)、Ollama 和檢索增強生成(RAG)技術的基本原理,以及它們如何應用於自動化文獻處理。接下來,要具體說明如何使用這...

2024-09-22 ‧ 由 lafeeleaf 分享
DAY 23

[DAY 23]AI 文獻處理實戰(2):從文獻理解到輸出 Markdown 重點整理 ,程式碼完整解析

在上一篇文章中,我們概述了自動化文獻處理的流程,接下來,我們將深入探討程式碼的細節,實現自動摘要、提問生成及 Markdown 輸出。 1. 基礎環境設置 首先...

2024-09-23 ‧ 由 lafeeleaf 分享
DAY 24

[DAY 24]從摘要到知識整合:探索自動化文獻處理的未來趨勢

近年來,人工智慧技術以驚人的速度發展,逐漸滲透到各個領域,為我們的生活和工作帶來革命性的變化。在這股浪潮中,自動化文獻處理已展現出無限潛力,尤其在研究和學術領域...

2024-09-24 ‧ 由 lafeeleaf 分享
DAY 25

[DAY 25]模型複雜,數據混亂追蹤難:Weights & Biases 實現高效實驗管理!

在機器學習的世界裡,無論是新手還是有經驗的研究者,都會遇到一個常見的痛點:模型再訓練。想像一個情境:你剛剛花了幾天時間訓練了一個深度學習模型,但測試結果卻不如預...

2024-09-25 ‧ 由 lafeeleaf 分享
DAY 26

[DAY 26]告別手動記錄:Weights & Biases 實戰指南

本文會探討如何使用 Weights and Biases (wandb) 來解決模型訓練中的常見困境,並展示一個完整的例子,幫助你輕鬆追蹤實驗、管理模型版本及參...

2024-09-26 ‧ 由 lafeeleaf 分享
DAY 27

[DAY 27]告別手動調參:AutoML 打造高效機器學習流程

試想你是一位資料科學家,正在訓練一個深度學習模型。你面對著大量的超參數,卻不知道如何選擇和調整才能獲得最佳模型性能。這個問題困擾著許多正在使用機器學習的人,而...

2024-09-27 ‧ 由 lafeeleaf 分享
DAY 28

[DAY 28]AutoML實戰:如何利用貝葉斯優化找到超參數最佳解?

用 Python 實現 AutoML 和貝葉斯優化 這裡我們將使用 optuna 來進行貝葉斯優化,並將其集成到一個 AutoML 工作流中,來自動選擇和優化模...

2024-09-28 ‧ 由 lafeeleaf 分享
DAY 29

[DAY 29]Python API 教學:使用 Flask 和 ngrok 打造你的公開服務

想像一下,你寫了一個很棒的程式,你想要與其他開發者分享這個程式,讓他們可以在自己的應用程式中使用,但卻沒有一個好用又方便的方式,你也不想直接把你的程式碼給他們,...

2024-09-29 ‧ 由 lafeeleaf 分享
DAY 30

[DAY 30]打造全面的API:身份驗證、Swagger文件、請求次數限制

昨天是簡單的API範例,今天要實現更進階的 API 應用,擴展 API 功能,並使用 Ngrok 將它公開給其他用戶。進階應用包括 API 的多路由、身份驗證,...

2024-09-30 ‧ 由 lafeeleaf 分享