機器學習
含有「機器學習」共 1349 篇內容
全部內容
發佈日期由新至舊
📚 降維技術
降維是將高維數據轉換為低維表示的過程，同時保留數據的關鍵信息。這一技術對於現代機器學習至關重要，因為：
降低複雜度：減少特徵數量，簡化模型，加速訓練
消除冗餘：移除高度相關特徵，提高模型穩定性
減輕維度災難：在高維空間中，數據變得稀疏，距離度量失去意義
視覺化：將高維數據投
放射線學與人工智慧 (AI) 的關係是協作與革新的關係。AI 正在透過加速、增強醫學影像分析和優化工作流程，對整個放射醫學領域產生深遠的影響。它並非取代人類，而是作為一個強大的輔助工具，提升診斷的效率、準確度和患者的治療結果。
AI在放射線學中的主要應用
AI，特別是透過機器學習 (ML) 和深度
3 天前
謝謝EC3以某一專業（放射線學）為例，細細整理了AI將對人們的工作產生什麼樣的影響，讓處在AI世代的我們更能了解未來的世界。
看EC3的文章我好奇了，剛上網查，原來是黃仁勳最近提及「一些比較容易自動化的工作會消失，但這可能會創造新產業。」他以2016年「AI 教父」Geoffrey Hinton 的預測為例：當時 Hinton 認為 AI 五年內將在影像辨識上全面超越人類，甚至建議不必再培訓放射科醫師。但九年後的今天，放射科醫師不但沒有減少，反而持續成長，幾乎所有人都在工作流程中使用 AI。
AI 讓影像分析更快更準，醫院因此能進行更多檢查，進而提升經濟效益並增加人力需求。美國放射學會今年 2 月的研究更預估，2023 至 2055 年間，美國放射科醫師人數將成長最多 40％。
以上資料綜合整理自網路新聞，感謝EC3發文讓我注意到它們。❤️
https://www.youtube.com/watch?v=bdzJJkInL-E
大家都在談論 AI 淘金熱，但真正賺大錢的其實是「賣鏟子」的人！⛏️💰 你是 NVIDIA 派還是 Google 派？在這場價值數兆美元的戰爭中，GPU 真的是唯一解方嗎？
[影片簡介]
今
壓縮處理訊號冗餘、決定輸出 bit 數（受 R(D) 限制）；通訊處理通道雜訊、決定可可靠傳輸 bit（受 C(SNR) 限制）。兩者無法互相取代，必須滿足 R(D) ≤ C(SNR) 才能可靠傳輸，是 Starlink、5G/6G、AI Codec 的核心原理。
BSC 與 BEC 是離散通道的兩大核心模型：BSC 代表 bit 翻轉，BEC 代表 bit 消失。NTN（特別是 Ka/Ku/FSO）在雨衰下會從 BSC 逐步惡化到 BEC，雨越強，翻轉率 p 與擦除率 ε 越高，最終容量趨近零，是衛星鏈路設計的關鍵基礎模型。
高斯通道容量 C = B·log₂(1+SNR) 是所有通訊系統的速度上限，頻寬決定成長幅度、SNR 只帶來對數收益。5G、mmWave、星鏈乃至 AI Receiver 都只能逼近此極限，無法突破。理解此公式即可掌握通訊工程的核心物理邊界。
熵衡量訊號本身的資訊量，互資訊衡量通道成功傳遞的有效資訊，是香農容量的核心基礎。通訊系統的調變、編碼、MIMO、OFDM 都在最大化互資訊；AI 通道模型則以交叉熵與 MI 作為優化目標。SNR 提升會增加互資訊，但最終受香農容量限制。
AWS Professional Services (簡稱 AWS ProServe) 是 AWS 官方的 「全球專業顧問團隊」。
一句話總結：AWS 不只賣你在雲端上的「工具 (Services)」，也提供「真人專家 (Experts)」來教你怎麼用、幫你規劃架構、甚至帶領你進行大規模遷移。
AWS Compute Optimizer 是 AWS 提供的 「資源最佳化推薦服務」。
一句話總結：它利用機器學習 (Machine Learning) 分析你過去的使用紀錄，告訴你：「你的 EC2 開太大了（浪費錢）」或「你的 Lambda 記憶體設太小了（效能差）」，並具體建議你應該換成哪種