鐵人檔案
對於非技術背景的人來說，有了AI工具出現，大幅提升工作效率外，也將腦中的想法轉換成可行的MVP。因此，我將透過30天的分享與實作，帶領你一步步完成從資料爬取、資料前處理、模型訓練，到部署並串接開發系統的端到端流程。
一、模型訓練結果分析 訓練結束後，程式碼會自動產生並儲存三張重要的分析圖表，這些圖表是我們診斷模型表現的關鍵。 1. 訓練歷史曲線 從這張圖中，我們可以看到訓練...
Hugging Face 是什麼？ 在選擇模型時，我們經常會看到各種來自 Hugging Face 的開源模型。Hugging Face 究竟是什麼？ 簡單來說...
恭喜你！經過前幾次努力在資料預處理、模型訓練和超參數調校之後，我們已經成功建立了一個 BERT 中文文本分類模型。下一步就是將它部署出去，讓其他人能夠輕鬆使用。...
前言 經過前面從爬取資料到訓練模型，一個完整訓練模型過程已經告一段落，後續就是持續優化模型的效果。 但在實務上，我們如何有效使用這些標記好的資料，找出一些洞察來...
本篇文章將帶你如何進行 Vibe Coding 來完成我們簡易的 AI 評論洞察系統 Step 1：下載並安裝 Cursor 首先需要先自行下載 Cursor...
這篇文章將專注於如何使用 Google Apps Script 讀取和寫入 Google 試算表，將其作為我們的資料來源，這是建立動態應用程式的關鍵一步。 我們...
這篇文章將探討如何利用程式從大量的評論文本中找出重要的關鍵詞，並用它們來生成文字雲，幫助我們快速掌握使用者關注的焦點。 上一篇我們將 App 評論資料從試算表讀...
這篇文章將是整個系列的重頭戲，介紹如何將我們的 App 評論資料與 Google 的 Gemini AI 模型串接，產生自動化的洞察報告。 上一篇我們學會了如何...
為什麼我們需要進行使用者測試？ 雖然我們不是在真實業界作為產品經理，但想像一下： 如果你開發好的產品給使用者使用後，發生一堆 bug，造成一堆抱怨及客訴，不僅會...
系統正式部署 在完成系統使用者測試後，你就可以將系統正式部署在 Google 的環境中了。這一步是將開發好的應用程式，從測試階段正式發布給實際使用者使用的關鍵。...
