Please enable JavaScript.

Coggle requires JavaScript to display documents.

AI與大數據的關係, 模型 (大型語言模型 (LLM) ，是自然語言處理(NLP)的進化版, 目標檢測模型, 模型訓練, 分類模型, 聚類模型,…

- - - - 可以處理不同種類的數據
- - - - 這個架構讓模型能夠有效地理解句子中不同詞語之間的關聯性和重要性
      - Transformer 的核心機制是「自注意力」
      - Transformer核心架構
        
        編碼器
        
        建立詞彙的語義表示，捕抓語義關係
        
        將文本拆成標記，並使用注意力機制來判斷標記間的關聯性
        
        解碼器
        
        生成文本序列
        
        解碼器處理新的標記序列，並使用編碼器的嵌入來生成自然語言
- - - - 在不同的特徵通道之間進行線性組合，從而實現通道間的訊息融合
      - 通常會與一個非線性激活函數（如 ReLU）結合使用。
  - - - LSTM 是為了克服傳統 RNN 在處理長序列數據時的「記憶遺忘」問題而設計的
- - - - Agent 會
        
        探索 (Explore) 環境：嘗試不同的行動
        
        接收回饋 (Feedback)：環境會根據 agent 的行動給予獎勵 (positive reward) 或懲罰 (negative reward)。
        
        學習 (Learn)： Agent 的目標是學習一個策略 (policy)，使其在長期內能夠獲得最大的累積獎勵。它會根據過去的經驗（行動與回饋的對應關係）來調整其策略。
      - Agent屬於有限記憶 AI 的範疇
- - - - 情感分析、關鍵字提取(提高檢索效率)、文本分類(用於新聞或垃圾郵件分類)
    - - 智慧客服、情感分析、自動回復
    - - 機器翻譯、語音翻譯、文黨翻譯
    - - 病例分析、健康管理、醫學研究
    - - 風險管理、市場分析、詐欺檢測
    - - 新聞生成、媒體監控、內容推薦
    - - 自動寫作、文案生成、劇本創作
- - - - 圖像增強、降噪跟壓縮，提高影像品質
    - - 找到關鍵特徵，例如邊緣或角點，為後續分析與識別的基礎
    - - 辨別圖像中的物件和它的位置，應用於安全防護、醫療與自動駕駛
    - - 把圖像分到不同類別，用於照片管理與搜尋引擎
- - - - 判別器(鑑別器)
        
        目標是區分輸入的數據是真實的還是由生成器偽造的
      - 生成器
        
        目標是生成盡可能逼真的假數據
  - - - 異常檢測
      - 降維
      - 生成新的數據樣本 (如圖片)
- - - - 通過生成新的合成數據來擴充現有的訓練數據集