鐵人檔案
本系列文章將以「零基礎也能上手」為出發點，帶領讀者在 30 天內逐步認識並實作深度學習的核心概念與應用。內容涵蓋神經網路基礎、模型訓練流程、常見的框架（TensorFlow、PyTorch）操作，以及如何應用於職場實務案例，如文件自動分類、客服文本分析、影像辨識與報表自動生成等。目標是幫助初學者在每天一小時的學習時間內，累積出可立即應用的技能，縮短從「AI 新手」到「職場應用」的學習曲線。
在前幾天，我們專注在處理圖片的神經網路，尤其是 CNN 如何幫助我們從圖片中找出特徵。 但世界上的資料並不只有圖片，還有許多與「時間」或「順序」密切相關的訊號，...
在前一篇文章裡，我們花了很多篇幅來理解 RNN（Recurrent Neural Network）的理論基礎，包含它為什麼適合處理文字、語音和時間序列這類資料。...
想像一下,你每天使用 Google 搜尋、請 Siri 幫你設定鬧鐘、或是用翻譯軟體看懂英文文章。這些看似理所當然的功能,背後都藏著一個核心問題:電腦要如何「理...
當人工智慧（AI）逐漸滲透我們的生活，你可能會注意到：無論是語音助手 Siri、Google 翻譯，還是影像辨識、自動駕駛，背後的模型都不再從零開始訓練。這正是...
我們每天用電子信箱收信時，總會遇到一些廣告信、詐騙信件，這些就是我們熟悉的「垃圾郵件」。 在過去，郵件服務商多依靠人工規則來判斷，比如是否含有「免費」、「中獎」...
在今天的文章中，我們就接續昨天的「垃圾郵件分類」學習，還沒閱讀過前一天文章的讀者可以先移駕到前一篇文章，有對於該實作題目的詳細說明。 那我們就繼續開始了! 第...
到目前為止，我們學了很多深度學習與 NLP 的理論與實作，甚至做過情感分析、文字生成、圖片分類等應用。但如果模型只停留在 Jupyter Notebook 裡，...
在現代的許多企業中，客服每天都會處理成千上萬條訊息，但這些問題往往非常相似，例如： 「我忘記密碼了」「可以退貨嗎？」「我的包裹寄到了嗎？」「太陽餅裡面有太陽嗎」...
我們每天使用的智慧應用幾乎都與「語言理解」有關。像是當你對 ChatGPT 提問、請 Google 翻譯一段文字、或讓 Siri 幫你設鬧鐘時，背後其實都有一個...
三十天前，你可能還對人工智慧感到陌生，對於模型、資料集、token、pipeline 等等專業名詞覺得難以理解。 但隨著每天一點一滴的學習，從文字生成到圖像辨識...
