馬可夫鍊（Markov Chain） 是一種數學模型，用來描述一個系統在不同狀態之間的轉移過程，特點是未來的狀態只取決於當前狀態，而與過去的狀態無關。這種性質稱為馬可夫性質，即「無記憶性」。馬可夫鍊常用於統計學、機器學習、經濟學、生物學等領域。
留言
留言分享你的想法！
Princend的沙龍
0會員
34內容數
Princend的沙龍的其他內容
2025/01/26
這本書旨在幫助創作者分享他們的過程並與受眾建立聯繫，而非僅僅是推銷自己。
## 第一章：你不需要是個天才
* **創造力不只是天賦，而是一種運作方式** 。
* 不要相信「孤獨的天才」神話，偉大的作品往往來自於一個互相支持、彼此學習的「群體」（**scenius**）
2025/01/26
這本書旨在幫助創作者分享他們的過程並與受眾建立聯繫，而非僅僅是推銷自己。
## 第一章：你不需要是個天才
* **創造力不只是天賦，而是一種運作方式** 。
* 不要相信「孤獨的天才」神話，偉大的作品往往來自於一個互相支持、彼此學習的「群體」（**scenius**）
2024/12/31
今年嘗試往不同領域去學習
甚至裸辭參加AI職訓班
雖然成長的幅度沒有想像的那麼好
但是至少是有成長的
期待未來的我
能夠持續學習
達到心中所想的目標
2024/12/31
今年嘗試往不同領域去學習
甚至裸辭參加AI職訓班
雖然成長的幅度沒有想像的那麼好
但是至少是有成長的
期待未來的我
能夠持續學習
達到心中所想的目標
2024/12/24
Autoencoder 是一種無監督學習的神經網絡，分為編碼器（將數據壓縮為隱藏表示）和解碼器（將隱藏表示重建為原始數據）。其目標是最小化輸入和重建數據之間的誤差，廣泛應用於數據降維、特徵提取、去噪和生成模型（如變分自編碼器 VAE）。優點包括無需標籤學習和自動學習特徵，但也容易過擬合，需要大量數據
2024/12/24
Autoencoder 是一種無監督學習的神經網絡，分為編碼器（將數據壓縮為隱藏表示）和解碼器（將隱藏表示重建為原始數據）。其目標是最小化輸入和重建數據之間的誤差，廣泛應用於數據降維、特徵提取、去噪和生成模型（如變分自編碼器 VAE）。優點包括無需標籤學習和自動學習特徵，但也容易過擬合，需要大量數據
你可能也想看
創作者營運專員/經理（Operations Specialist/Manager）將負責對平台成長及收入至關重要的 Partnership 夥伴創作者開發及營運。你將發揮對知識與內容變現、影響力變現的精準判斷力，找到你心中的潛力新星或有聲量的中大型創作者加入 vocus。
創作者營運專員/經理（Operations Specialist/Manager）將負責對平台成長及收入至關重要的 Partnership 夥伴創作者開發及營運。你將發揮對知識與內容變現、影響力變現的精準判斷力，找到你心中的潛力新星或有聲量的中大型創作者加入 vocus。
擴散模型受非均衡熱力學啟發。非均衡熱力學定義了一個擴散步驟的馬可夫鏈，逐步向資料添加隨機資訊，然後學習如何逆轉擴散過程，從隨機資訊中建構所需的樣本資料。與變分自編碼器（VAE）或以流為基礎的模型不同，擴散模型是通過固定程序學習的，且其潛在變量具有高維度（與原始資料相同）。
擴散模型受非均衡熱力學啟發。非均衡熱力學定義了一個擴散步驟的馬可夫鏈，逐步向資料添加隨機資訊，然後學習如何逆轉擴散過程，從隨機資訊中建構所需的樣本資料。與變分自編碼器（VAE）或以流為基礎的模型不同，擴散模型是通過固定程序學習的，且其潛在變量具有高維度（與原始資料相同）。
本篇基於2023/06/11，Leonardo.Ai官方DC中文區的MasterClass大師課實況精華影片的內容來整理，目標對象是使用過AI繪圖工具，但對其底層邏輯沒有概念的朋友。用盡量簡單的方式來講述，深淺結合幫助你在使用上能獲得更高的掌控度。
並逐一介紹在Leo上設置參數與使用功能的技巧。
本篇基於2023/06/11，Leonardo.Ai官方DC中文區的MasterClass大師課實況精華影片的內容來整理，目標對象是使用過AI繪圖工具，但對其底層邏輯沒有概念的朋友。用盡量簡單的方式來講述，深淺結合幫助你在使用上能獲得更高的掌控度。
並逐一介紹在Leo上設置參數與使用功能的技巧。
最近和夥伴錄製podcast的時候聊到，為什麼求學階段數學是必修呢？畢竟我相信多數人在求學階段都曾被數學深深傷害，甚至有了這麼一句話：數學永遠不會欺騙你，因為不會就是不會！看到這句話真的是心有戚戚，數學還真是位真誠的學伴啊！
最近和夥伴錄製podcast的時候聊到，為什麼求學階段數學是必修呢？畢竟我相信多數人在求學階段都曾被數學深深傷害，甚至有了這麼一句話：數學永遠不會欺騙你，因為不會就是不會！看到這句話真的是心有戚戚，數學還真是位真誠的學伴啊！
眼見不一定為憑，表象很可能會騙人，
只有洞察本質，才能看清這個世界的底牌。
透過本書，你可以學到：
1. 如何洞察事物本質？
2. 打造成功人生的方程式
3. 人脈與溝通的本質
讓你在職場競爭力與人際關係無往不利
眼見不一定為憑，表象很可能會騙人，
只有洞察本質，才能看清這個世界的底牌。
透過本書，你可以學到：
1. 如何洞察事物本質？
2. 打造成功人生的方程式
3. 人脈與溝通的本質
讓你在職場競爭力與人際關係無往不利
縱貫式中介模型（Longitudinal Mediation Model）是研究隨著時間的改變，變數X如何通過中介變數M影響變數Y的統計模型。它是長期觀察和分析數據的有用工具，可以揭示X和Y之間的關係以及中介變數M在這個關係中扮演的角色。本文將介紹縱貫式中介模型Mplus操作
縱貫式中介模型（Longitudinal Mediation Model）是研究隨著時間的改變，變數X如何通過中介變數M影響變數Y的統計模型。它是長期觀察和分析數據的有用工具，可以揭示X和Y之間的關係以及中介變數M在這個關係中扮演的角色。本文將介紹縱貫式中介模型Mplus操作
這本書也是跟著讀書會讀完的。發現外國人的寫作習慣通常都會有那種引(ㄅㄧ)人(ㄋㄧˇ)入(ㄎㄢˋ)勝(ㄨㄢˊ)的設計，也就是會在前面講個大概，跟你說後面還有更精采的唷(花媽音效)，欲知詳情下回分曉的寫作風格，於是就默默地看完了整本。
這本書也是跟著讀書會讀完的。發現外國人的寫作習慣通常都會有那種引(ㄅㄧ)人(ㄋㄧˇ)入(ㄎㄢˋ)勝(ㄨㄢˊ)的設計，也就是會在前面講個大概，跟你說後面還有更精采的唷(花媽音效)，欲知詳情下回分曉的寫作風格，於是就默默地看完了整本。
課本
統計最大的特色就在於每一個章節所學習到的知識點異常連貫，講白話就是，你從第一章學到的東西將會一路陪著你用到最後，而且中途的每一個章節還會持續不斷的將新的知識點疊加上去，因此只有其中一個章節掉了鏈子，統計學要學好是不可能的事！
課本
統計最大的特色就在於每一個章節所學習到的知識點異常連貫，講白話就是，你從第一章學到的東西將會一路陪著你用到最後，而且中途的每一個章節還會持續不斷的將新的知識點疊加上去，因此只有其中一個章節掉了鏈子，統計學要學好是不可能的事！
在機器學習領域裡面，我們常常可以將問題分成兩種類型，一種是迴歸問題，而另一種則是分類問題，如何釐清我們所想要解決的問題是隸屬於那一類，是非常重要的一件事情，今天我們就來瞭解一下這兩種問題之間的差異吧！
在機器學習領域裡面，我們常常可以將問題分成兩種類型，一種是迴歸問題，而另一種則是分類問題，如何釐清我們所想要解決的問題是隸屬於那一類，是非常重要的一件事情，今天我們就來瞭解一下這兩種問題之間的差異吧！