探索物理領域的資料擴增技術：提升機器學習效能的關鍵要素
為何我們需要有資料擴增的方法? 這是因為機器學習模型是需要有大數據打造而…
-
-
Transformer介紹:為何它是現今NLP技術發展的基石?
機器翻譯架構 Transformer可應用在許多任務當中，本篇文章以機器…
-
深度學習(Deep Learning)、機器學習(Machine Learning)、規則為主方法(Rule-based Method)—從鳶尾花範例帶您了解
鳶尾花分類介紹 鳶尾花細分會有不同種類，在機器學習常用的數據集裡面，就有…
-
從BERT到GPT模型帶您綜觀大型語言模型(LLM)：編碼器(Encoder-only)，編碼器解碼器(Encoder-Decoder)，解碼器方法(Decoder-only)
李彼德的 AI 學習地圖 為什麼要介紹此篇文章? 現今大家關注的是GPT…
-
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)
李彼德的 AI 學習地圖 為什麼要介紹分群演算法(cluster ana…
-
大型語言模型(large language model, LLM) :微調技巧(fine-tuning)
李彼德的 AI 學習地圖 為什麼要介紹大型語言模型(large lang…
-
自編碼器介紹(Autoencoder)
本文語音介紹：Apple podcast連結，Sound on連結 為何…
