iT邦幫忙

鐵人檔案

2025 iThome 鐵人賽
回列表
自我挑戰組

潛入AI人工智慧最深層的世界 系列

對於學習領域原本就有接觸AI的我,因為接觸時間只有短短的幾個月,加上現今社會企業對於AI的技術更加突破,所以我想藉由連續30天的自律學習方法來增進自己的資料庫,然後在鐵人競賽中和大家分享。

參賽天數 12 天 | 共 12 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 1

前言:為什麼參加鐵人賽?

現代社會科技逐漸邁向科技化,想要更進一步了解AI人工智慧的我想要藉由這三十天的自我學習來增進我的知識。總共我分成四個層面第一層:應用表面(我們日常接觸到的 AI...

2025-09-14 ‧ 由 kunyu950507 分享
DAY 2

應用表面:ChatGPT 與各種對話機器人

隨著人工智慧技術的迅速進展,對話式人工智慧系統已成為自然語言處理研究的重要成果,其中以 ChatGPT 為代表的大型語言模型(Large Language Mo...

2025-09-15 ‧ 由 kunyu950507 分享
DAY 3

應用層面:Midjourney 或 Stable Diffusion 的圖像生成

隨著生成式人工智慧(Generative AI)的快速發展,圖像生成技術成為備受關注的研究與應用領域。其中,Midjourney 與 Stable Diffus...

2025-09-16 ‧ 由 kunyu950507 分享
DAY 4

應用表面:機裡的智慧相機、美顏、語音助理

隨著人工智慧技術快速發展,智慧型手機成為 AI 最貼近日常生活的應用平台。其中,智慧相機、美顏功能與語音助理是最具代表性的三大核心功能。智慧相機結合影像辨識、深...

2025-09-17 ‧ 由 kunyu950507 分享
DAY 5

應用表面:YouTube、Netflix、Spotify 的推薦系統

在數位內容爆炸的時代,推薦系統(Recommendation Systems)成為串流影音與音樂平台的核心技術。YouTube、Netflix 與 Spotif...

2025-09-18 ‧ 由 kunyu950507 分享
DAY 6

技術層面:機器學習(Machine Learning)

機器學習(Machine Learning, ML)是人工智慧領域的核心技術之一,其基本理念是讓電腦透過數據學習模式與規則,而非僅依靠人工編寫的固定指令。換言之...

2025-09-19 ‧ 由 kunyu950507 分享
DAY 7

技術層面:深度學習(Deep Learning)

深度學習(Deep Learning, DL)是機器學習的重要分支,其核心概念來自於人工神經網路(Artificial Neural Networks, ANN...

2025-09-20 ‧ 由 kunyu950507 分享
DAY 8

技術支撐:自然語言處理(NLP)

自然語言處理(Natural Language Processing, NLP)是人工智慧的重要分支,旨在讓電腦能夠理解、生成與運用人類語言。由於語言具有歧義性...

2025-09-21 ‧ 由 kunyu950507 分享
DAY 9

技術支撐:強化學習(Reinforcement Learning)

強化學習(Reinforcement Learning, RL)是人工智慧領域中的一種重要學習範式,核心理念源自於行為心理學的「獎勵與懲罰」機制。不同於監督式與...

2025-09-22 ‧ 由 kunyu950507 分享
DAY 10

基礎核心:資料(Data)

在人工智慧與機器學習的發展中,資料(Data)被視為最關鍵的基礎核心。演算法與模型的效能,往往高度依賴於資料的品質與規模。俗語「Garbage in, garb...

2025-09-23 ‧ 由 kunyu950507 分享