特徵歸一化(feature normalization)
前言 機器學習並不像深度學習可以自動辨別關鍵特徵。機器學習在訓練之前，需…
精確度(均方根誤差,MSE)與穩健度(全距,Range)的考量
為什麼要要有度量標準? 當模型訓練完成後，我們不確定到底模型有沒有訓練好…
大型語言模型(large language model, LLM): 提示工程(prompt)
為什麼會有提示工程(prompt)? 先前有提到大型語言模型是學習處理通…
分群演算法(cluster analysis)
為什麼要介紹分群演算法(cluster analysis)? 分群演算法…
大型語言模型(large language model, LLM) :微調技巧(fine-tuning)
為什麼要介紹大型語言模型(large language model, L…
自編碼器介紹(Autoencoder)
本文語音介紹：Apple podcast連結，Sound on連結 為何…
Rule-based method是什麼? 與Machine Learning的差異為何?它們的應用場景是在哪裡?
在歷史上是由專家系統演變到機器學習為主的方法，專家系統是以規則為主(ru…
從自編碼器(autoencoder)到ChatGPT架構:探索大型語言模型(LLM)的原理與基本概念
自編碼器(autoencoder)是什麼?為何我們需要知道這樣的知識? …
淺談超參數：控制機器學習模型性能的關鍵因子
今天要跟大家分享在機器學習用到的重要概念，也就是超參數。 何謂超參數? …
淺談關於機器學習訓練—不可不知的事情
我們在進行機器學習開發的時候，要從無到有把機器學習模型訓練出來，最重要需…