Karen
25 位追蹤者
分享一些自學的程式筆記，紀錄自己的成長歷程軌跡，對於 AI 科技與金融感興趣
33會員
43內容數
歡迎來到《桃花源記》專欄。這裡不僅是一個文字的集合，更是一個探索、夢想和自我發現的空間。在這個專欄中，我們將一同走進那些隱藏在日常生活中的"桃花源"——那些讓我們心動、讓我們反思、讓我們找到內心平靜的時刻和地方
全部內容
由新到舊
探索Few-Shot Learning如何在數據稀缺的情況下使機器學習模型迅速學習並做出精確預測。本文將介紹Few-Shot Learning的基本原理、核心策略，以及在實際應用。
最近讀了《臣服實驗》的心得分享
最近讀完了 《臣服實驗》，這本書帶給我不少啟發，也引發了一些思考。以下分享兩個我認為書中很有價值的重點，並結合自己的感受來談談心得。
1. 冥想帶來的正面影響
書中提到冥想的重要性，我特別有共鳴，因為自己也是冥想的愛好者。冥想讓我感受到生命中的平靜，甚至可以說是
本篇文章探討如何利用電影數據集構建基於相似度的推薦系統。文章主要分為四個步驟：資料預覽、資料預處理、計算餘弦相似度及結果推論。透過這一流程，讀者將瞭解如何量化電影間的關聯性及用戶偏好，並如何生成推薦結果。
在現今的數據驅動世界，推薦系統早已成為許多平台（如電商、串流媒體、社交網路）不可或缺的一部分。然而，傳統的推薦方法如協同過濾（Collaborative Filtering）和基於內容過濾（Content-Based Filtering）各有其局限性，例如無法處理冷啟動問題或缺乏靈活性。最近
本研究探討如何透過圖形資料庫模型來構建電子商務顧客的360度全景視圖，並使用客戶行為模型圖（CBMG）有效整合和分析客戶數據。研究強調理解顧客的行為模式和需求，並針對三種典型的購物行為類型進行分析，以提升網站設計和用戶體驗。通過Neo4j的應用，提供了可視化客戶行為模式的視角。
本文章探討了 RAG（Retrieval-Augmented Generation）技術在智能客服領域的應用及其優勢。RAG 通過結合檢索與生成的特性，能夠顯著提高回答的準確性與靈活性。與傳統智能客服系統及純生成式 AI 相比，RAG 能更有效地理解用戶問題，並生成自然流暢的回應，改善用戶體驗。
本篇文章探討了大型語言模型（LLM）在各行各業中的應用，特別是在企業和個人創業者的影響。探討了LLM在數據分析、文本生成和客戶服務等領域的潛力，以及它如何改變工作流程，尤其在一人公司時代的到來。文章還提及了 AI 對職場的挑戰，以及如何通過擁抱技術促進個人成長，並在未來的工作中實現人機協作。
我參加了由andyrockdata舉辦的資料治理超入門課程，這堂課程讓我在短時間內快速掌握資料治理的基本概念與實務運作。課程介紹了資料治理的框架、起源及相關解決方案，對於資料分析師與資料工程師而言，提供了有價值的學習資源與實踐建議。
本篇文章介紹如何使用PyTorch構建和訓練圖神經網絡（GNN），並使用Cora資料集進行節點分類任務。通過模型架構的逐步優化，包括引入批量標準化和獨立的消息傳遞層，調整Dropout和聚合函數，顯著提高了模型的分類準確率。實驗結果表明，經過優化的GNN模型在處理圖結構數據具有強大的性能和應用潛力。
