學習筆記
含有「學習筆記」共 247 篇內容
全部內容
發佈日期由新至舊
嗨,大家好,我是 Lewis!
今天要分享一個讓我超級興奮的發現!我一直以為 Claude 跟 Canva 的串接功能還沒開放給亞洲地區,試了好幾次都失敗。沒想到,問題根本不是地區限制,而是設定方式!
前言
近期開始挑戰Web3的職缺，開始整理一些關於Web3的相關知識，今天這部分會分享常見的一些名詞解釋，如果有哪裡說錯請多多包涵～
EVM（Ethereum Virtual Machine）
EVM 是部署在每個以太坊節點上的「虛擬機（Virtual Machine）」，它確保所有節點在執行
AI900 X 考題重點 X 心智圖
關於使用AI應負的責任，是AI-900必考題，本文整理六大原則的關鍵字，以及應用情境。
AI900 X 考題重點 X 心智圖
今天我們所使用的生成式 AI 應用(如 ChatGPT、Gemini等)，都是基於Transformer 架構，本文用初學者可以理解的語言講解Transformer ，並包含AI900關於生成式AI最新考題重點整理，以及微軟教學課程的心智圖整理。
最近讀書，越來越離不開 AI 了。配著 GPT 一起讀書，已經變成我的一個習慣，只要一句話，摘要、金句、心智圖立刻生成。看著螢幕一行行吐出完美的書摘，我不禁思考著：當 AI 能無限生成書籍摘要，我還需要寫下自己的讀書心得嗎？
2025/10/04
同一本書、同一個作者，在不同年紀翻讀，總能讀出不同的味道，對吧！
反觀 AI 生成的答案，雖然快速便利，卻容易顯得千篇一律。
也因此，我們更需要人與人組成團體，彼此交流、碰撞出新的火花。
AI900 X 重點整理 X 實作範例
Azure AI 文件智慧服務運用機器學習模型，自動從影像和 PDF 文件中擷取、分析和結構化資訊。
本文包含Azure AI Foundry 入口網站實際操作範例。
2025/09/30
因為年紀的關係,成長期間只能靠書寫,高中第一年接觸英打(那時電腦邁入公司使用,window都沒還出現,所以練習時使用很重的英打機).
經歷過用書寫寫劇情,同樣的,也使用過打字.
看了論文也看了兩則延伸的同類型不同項目的報告,個人覺得,主要差別還是在於:
1.基礎訓練.
2.延伸訓練.
3.使用深度與廣度.
3.應對目標與使用方式.
若以個人經歷來說,在成長期有足夠的書寫訓練,該開發訓練的區域已有足夠的基礎,再接受高密度的打字訓練(快又準的重複記憶按鍵位置),且加上使用的文字(此指母語)與輸入法(中文輸入法的多樣與使用記憶方式)的差異,反而會是相對於一開始學習時就已習慣打字輸入,可能就後面長期的影響沒那麼大?
更別提,觸控輸入與鍵盤打字輸入(電腦鍵盤比起打字機可是輕~太多了!),附加的[運動]差異.
以個人較為熟悉的中文與英文舉例,光是用打字輸入要面臨的簡易度又不一樣.(若同樣以看著稿件輸入,且中文輸入法是使用笨的要死的新注音)
同樣熟悉鍵盤位置,英打只要機械輸入,中打還是要挑字.
(此點微使用深度與廣度的說明)
而若是自主書寫內容,其實以個人的經歷過程,手寫跟打字的差異並不大,靈感斷線,該停下來思考來是要停下來思考.
若是只是[複寫]已有的文件,兩者差異並不大.
所以個人推論:
差異的只是學習的基礎與對應目標的不同.
這則新聞與研究的價值,對我來說在於:
1.在重要的奠基期,該著重於哪方面?
2.使用的配套器具.
3.思考的必須.
順道一提,平常不習慣用手機紀錄代辦事項,除非手邊沒有筆或筆記本.
發文者
2025/09/30藍斑海豚
哇～你整理得超完整！
我懂你說的意思，差別其實不在於手寫還是打字，而是成長時期打下的基礎跟後來的使用目的。
像你提到中文還要挑字，英文就是單純輸入，這點我完全有感 😂
看來重點還是『怎麼用』，而不是單純工具本身呢～
AI900 X 心智圖 X 考題重點
自然語言處理Natural Language Processing(NLP)，是訓練用來分析特定語言的AI模型，專門研究如何讓電腦理解、解釋、生成人類語言(相對於程式語言)。
本文包含Azure語言實作範例，一步步帶你玩文字分析！
AI900 X 電腦視覺基本概念 X 考題重點
本筆記包含：總整理心智圖、電腦視覺基本概念、考題重點，以及Azure操作練習範例。
簡介常見的電腦視覺模型原理，如卷積神經網路(CNN)、Transformer
從微軟實作範例，教你一步步用Azure玩電腦視覺。
有GPT幫忙，從完全零經驗，到成功打造「LINE 傳圖→自動寄 Gmail」的流程，中間踩過哪些坑？
這不是教學，而是一場真實的自動化實驗記錄。
如果你也好奇 AI + 自動化怎麼改變日常工作流程，來看看我這趟折磨又充滿成就感的初體驗！
