中文文章
有關架構、雲端與技術領導力的思考。
69 篇文章屬於 機器學習
-
超越「買」與「建」你的AI採購策略需要第三個選項
-
企業架構師的AI採購價值指南
-
企業級 AI 治理
-
為何企業社會責任與永續發展對現代企業至關重要
-
理論、危機與企業存在的目的
-
學習使用 Azure AI Foundry 建構 Agentic 應用程式
-
超越舒適圈的訓練
-
不成功也沒關係
-
如何在這個不總是公平的世界中學會領導、影響他人與推動改變
-
當我們擁抱失敗，才能走向成功與個人成長
-
生成式人工智慧的基本概念
-
什麼是 AI Agents？它們如何運作，以及為什麼是人工智慧的未來
-
如何找回你的時間，活出更充實的人生
-
蒙地卡羅方法 - 從統計學到智慧型 AI 智能代理
-
認識 MCP（模型上下文協議）- 什麼是 MCP、如何運作，以及它的重要性
-
Vibe Coding - AI加速軟體開發的新時代
-
使用 Hugging Face smolagents 建立程式代理人
-
LangSmith - 建立過程中的可視性與追蹤
-
使用 LangChain - 從基礎提示到自主代理
-
專家混合技術在大型語言模型中的應用
-
大型語言模型（LLM）中的自注意力機制
-
了解來自人類反饋的強化學習（RLHF）
-
LM 推理 - 優化延遲、吞吐量與可擴展性
-
編程能教導孩子可持續性和良好價值觀嗎?
-
Amazon SageMaker - 加速雲端機器學習
-
Amazon Bedrock - 釋放企業級生成式 AI 的力量
-
選擇哪種可觀察性工具？Coralogix vs. Dynatrace vs. ELK
-
在您的業務中實施人工智慧解決方案的倫理考量
-
瞭解 Kubernetes 中的日誌記錄 - 從容器到節點
-
最大化效率與協作：如何有效管理自由職業者
-
利用人工智慧工具提升軟體工程效能
-
為2030年改變解決方案架構師角色
-
人工智能時代 - 人工智能未來洞見
-
使用人工智慧提升團隊學習與客戶洞察力
-
強化學習概述
-
LlamaIndex 框架 - 增強上下文的大型語言模型應用
-
LangChain - 一個用於 LLM 驅動應用程序的框架
-
探索生成對抗網路（GANs）- 無監督深度學習的力量
-
擁抱數字雙生技術 - 關鍵考慮因素，挑戰，和關鍵促成因素
-
將以下文本翻譯為繁體中文：通過量化和分佈式訓練最小化GPU RAM並橫向擴展模型訓練
-
基於變壓器的基礎模型類型
-
人物角色的力量以及「我們如何可能」問題在以用戶為中心的設計中的重要性
-
為何營運計劃失敗 - 團隊思考和假設的風險
-
理解LoRA - 在高效機器學習中適用的低階調適
-
龍貓級數法則 - 優化模型和數據集大小以實現高效的機器學習
-
理解大語言模型中的變壓器架構
-
個人科技的未來
-
為Python Flask Server建立Docker映像檔 - 一步一步指導
-
探索檢索增強生成（RAG）
-
我如何學習並準備AWS認證考試
-
我們的未來是AI - 選擇你想與之共度一生的伴侶
-
微軟 Fabric - 在 AI 時代革新數據分析
-
理解Bootstrap Aggregation與隨機森林
-
PostgreSQL與Oracle資料庫 - 為何開源軟體占優勢
-
解釋 JSON 網路令牌 (JWT) - 一種安全且多功能的認證機制
-
探索運營的輔助智能（AIOps）
-
與ChatGPT一起思考未來
-
品牌策略建議
-
Introducing Amazon Web Services (AWS)
-
了解 Kubernetes
-
理解服務網格和 Istio
-
別怕，我的導師在這裡。
-
引領道路
-
對於社交互動感到疲憊不堪
-
解釋 Angular 錯誤：'Expression Changed After It Has Been Checked'
-
使用Node.js讀取大型檔案
-
在 macOS 上安裝 Jupyter Notebook
-
使用Docker容器部署Java Spring伺服器
-
使用PredictionIO的啤酒推薦引擎