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…
-
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?
李彼德的 AI 學習地圖 在歷史上是由專家系統演變到機器學習為主的方法，…
-
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? …
