鐵人檔案
隨著生成式 AI 技術快速發展，微軟的 Azure AI Foundry 與 Google 的 Vertex AI 已成為兩大主流平台。
該是時候透過實戰來深入理解這些工具如何應用於工作與專案。
這次我將透過 30 天的文章系列，逐步探索 模型管理、資料處理、流程自動化到應用整合，全面體驗兩大平台在生成式 AI 領域的實力與差異。
在前幾天的內容中，我們已經體驗了： 通用模型（如 GPT-4, Gemini）很厲害，但有時候回答不夠專業 RAG (Day 10) 能幫助 AI 結合外部知識...
到目前為止，我們已經學會了： RAG（Day 10）：讓模型用到外部知識 微調（Day 11）：讓模型學會專屬的語境 問題來了：👉 「那我要怎麼知道，我的模型變...
在前幾天，我們已經學會如何讓模型更強大： RAG (Day 10)：透過知識檢索補充資訊 微調 (Day 11)：讓模型學會專屬語境 模型評估 (Day 12)...
AI 應用在企業環境中，除了效能與成本之外，另一個關鍵問題是：👉 「我的資料會不會外洩？」👉 「誰可以用 AI 平台？權限要怎麼管？」 今天我們就來聊聊 安全性...
AI 不再只會「讀文字」，現在的模型能夠處理 文字 (Text)、影像 (Image)、語音 (Audio)、影片 (Video)，甚至跨模態整合。這就是 多模...
AI 專案不只是訓練模型，更是一條完整的旅程。從 資料準備 → 模型訓練 → 驗證 → 部署 → 監控，每個環節都決定了最終的成敗。 今天，我們來看 Azure...
在 Day16 中，我們已經將 AI 模型部署到雲端。接下來的重點，就是如何把這些模型真正整合到應用程式裡，讓使用者能夠透過 前端、行動 App 或後端系統 直...
在 Day17 中，我們學會了如何將模型 API 整合到應用程式。接下來的挑戰，是如何讓模型「說出我們想要的答案」。這就需要用到 Prompt Engineer...
在 Day18 中，我們探討了如何設計 Prompt，讓模型輸出更精準。 但在企業導入 AI 的過程中，除了追求效能與結果，更重要的議題是 資料安全與治理 (D...
在 Day19 我們談到資料安全與合規，今天要談的是另一個同樣重要但更容易被忽視的議題： 「AI 模型真的公平嗎？」 當模型輸入的資料帶有偏見，輸出結果自然...
