深度學習
含有「深度學習」共 166 篇內容
全部內容
發佈日期由新至舊
文本分類任務中，RNN 可逐字或逐詞處理影評內容，捕捉語境與情感走向。透過訓練模型判斷輸入文本屬於正面或負面情緒，實現自動化的情感分析，廣泛應用於輿情監測、產品評價與客服系統中。
前言：
神經網路模型，有處理圖片這類以「空間關係」數據為主的卷積神經網路 (CNN)，也有處理以「時間或順序關係 (i.e. 序列數據/Sequential Data)」數據為主的「循環神經網路(Recurrent Neural Network/ RNN。
這次要一口氣介紹三個都是處理「序列」和
AI的話題好像很久沒談了。
是這樣，說來話長，先從深度學習說起好了。
「深度學習」到底是不是人工智慧、也就是AI，的正確解答呢？
這個意見紛紜。
去年讀徐英瑾的書《人工智能哲學》，他是覺得不可能。
昨天在yt上看到馬庫斯《代數大腦》―好可惜絕版了―的簡介，
他也覺得不能。
理由大
諾貝爾獎背後的警訊：AI革命來臨，你的工作還安全嗎？
「老闆，我們部門又要裁員了嗎？」李小姐放下手中的報表，望著電腦螢幕上的新聞標題發呆。2024年10月8日這天，當被譽為「深度學習教父」的傑佛瑞·辛頓（Geoffrey Hinton）與約翰·霍普菲爾德（John Hopfield）共同獲得諾貝爾
嗨，親愛的朋友們！✨
你是否也曾有過這樣的經驗？興致勃勃地打開一份專家推薦的學術論文，結果… 每個中文字你都認識，但它們組合起來，就像一本「天書」，讓你滿頭問號。
前幾天我整理電腦，發現自己收藏了超過500篇「超重要一定要看」的文章，但真正讀完的不到10篇。那一刻我突然明白，現代人的無力感，很多
AI時代下，我們還需要慢慢學習嗎？在AI時代，學習的樣貌產生了巨大轉變。儘管它能協助我們快速整理資訊、完成作業，但這是否等同於真正的學習？本文探討AI輔助學習的利弊，反思學習的本質，並強調深度理解與持續練習的重要性，而非單純追求考試成績。
「人工智慧 +1」自學 Day4：
類神經網路(Artificial Neural Networks, ANN)與深度學習(Deep Learning, DL)
▹類神經網路(Artificial Neural Networks, ANN)
1.發展
▪︎ 概念：模仿生物神經元，對人類大腦
書越買越多，腦袋卻感覺越空？羊羹我以前也曾陷入追求速讀的焦慮，以為讀得快就等於學得快。但後來發現，真正的學習關鍵不在加速，而是要懂得如何慢下來。這是一趟從追求速度到尋求深度的思考過程，希望能和大家一起找到那個能讓自己安心、學得更踏實的節奏。
最近大家都在擔心AI會不會讓我們變笨，這讓羊羹我想起過去我們對網路的焦慮。其實真正的問題不在工具，而在我們自己的學習習慣。與其被動地搜尋答案不如學習如何與AI建構一場有深度的對話，將它從一個答案販賣機，升級為我們思考時最強大的陪練員。這是一場思維的升級，不僅不會被淘汰，反而變得比以往更強大。
