陳縕儂 Vivian NTU MiuLab

台大資訊 人工智慧導論 | FAI 7.4: Density Estimation with RBF Networks 了解資料的整體分布

台大資訊 人工智慧導論 | FAI 7.3: Representation Learning with Autoencoder 學習好的資料表徵

台大資訊 人工智慧導論 | FAI 7.2: K-Means Clustering 怎麼能不知道的K平均演算法

台大資訊 人工智慧導論 | FAI 7.1: Unsupervised Machine Learning 非監督式機器學習

台大資訊 人工智慧導論 | FAI 6.5: Stateful RL 各種強化學習方法

台大資訊 人工智慧導論 | FAI 6.4: Stateless RL: Bandit Learning

台大資訊 人工智慧導論 | FAI 6.3: Online RL, Offline RL, Imitation Learning

台大資訊 人工智慧導論 | FAI 6.2: State, Action, Reward 強化學習三大要素

台大資訊 人工智慧導論 | FAI 6.1: What is Reinforcement Learning? 強化學習是甚麼?

Code Assist Workshop 3 - Project Deployment

Code Assist Workshop 2 - Overview and Practice

Code Assist Workshop 1 - GCP & LLM Introduction

台大資訊 人工智慧導論 | FAI 5.3: Reasoning Models 思考久一點真的有用

台大資訊 人工智慧導論 | FAI 5.2: Multimodal LLMs 如何讓語言模型也可以理解與生成影像聲音等資訊呢?

台大資訊 人工智慧導論 | FAI 5.1: Generative AI 生成式人工智慧簡介

台大資訊 人工智慧導論 | FAI 4.8: When to Deep? 甚麼時候適合用深度學習呢

台大資訊 人工智慧導論 | FAI 4.7: Regularization Techniques for Deep Learning 訓練模型時不能不知道的小撇步

台大資訊 人工智慧導論 | FAI 4.6: Recurrent Neural Network 處理序列資料你不能不知道的RNN

台大資訊 人工智慧導論 | FAI 4.5: Convolutional Neural Network 處理影像你不能不知道的CNN

台大資訊 人工智慧導論 | FAI 4.4: Vanishing Gradient 訓練模型跟人生一樣不順怎麼辦?

台大資訊 人工智慧導論 | FAI 4.3: Representation Learning / Pre-Training 好的開始是成功的一半

台大資訊 人工智慧導論 | FAI 4.2: Backpropagation 參數這麼多到底怎麼有效率算出來的呢?

台大資訊 人工智慧導論 | FAI 4.1: Deep Learning Challenges Recap 使用深度學習會遇到的各個難題

台大資訊 人工智慧導論 | FAI 3.5: Deep Learning Optimization 訓練深度學習模型需要很多小撇步

台大資訊 人工智慧導論 | FAI 3.4: Loss Function Design 甚麼才叫「好」模型呢?

台大資訊 人工智慧導論 | FAI 3.3: Neural Network Hypothesis 如何建構深度學習的類神經網路

台大資訊 人工智慧導論 | FAI 3.2: Deep Learning 類神經網路改名為深度學習才能一飛衝天?

台大資訊 人工智慧導論 | FAI 3.1: Validation 機器學習必問問題 - 如何挑選模型

台大資訊 人工智慧導論 | FAI 2.5: Ensemble Boosting - AdaBoost & Gradient Boosting 弱小的模型也能變超強

台大資訊 人工智慧導論 | FAI 2.4: Ensemble Bagging -- Random Forest 樹木擴展成森林來提升穩定度