機器學習(一)
人工智慧與機器學習1. 人工智慧起源與定義1.1 人工智慧簡述人工智慧（Artificial Intelligence，簡稱 AI）在生活中已非常普遍，許多產品如 AI 吸塵器、AI 電鍋、AI 電動車等都標榜「AI」。但加上「AI」究竟意味什麼？這讓人有些困惑。 在了解人工智慧前，需先釐清「智慧」的定義。根據國家教育研究院，智慧指透過人腦思維展現的能力，如記憶、計算、判斷、決策、規劃、學習、探索、推理等。 人工智慧則是利用程式設計或其他技術，讓機器模仿人類大腦的上述能力，試圖模擬人類智慧行為的科技。許多科技發明從自然界獲取靈感，如飛機模仿鳥類翅膀，人工智慧同樣試圖模仿人類思考與學習，讓機器自主處理資訊、判斷與行動。 1.2 人工智慧重要歷史人工智慧是一門約六、七十年的年輕科學，結合數學邏輯、機率、統計學、神經生物學及計算機科學。以下為重要歷史里程碑： 1950 年：圖靈測試（Turing Test）。英國數學家艾倫·圖靈提出，若提問者無法分辨機器與人類的回答，該機器即具備人類智慧水準。 1955 年：人工智慧誕生。美國科學家約翰·麥卡錫首次提出「Artificial Intelligence」名詞，並召開達特茅斯會議，開啟 AI 研究序幕。 1997 年：DEEP BLUE 擊敗西洋棋冠軍。IBM 的 Deep Blue 擊敗世界西洋棋冠軍卡斯帕羅夫，展現「符號主義」AI 的計算與預測能力。 2016 年：ALPHAGO 擊敗圍棋冠軍。Google DeepMind 的 AlphaGo 擊敗李世乭，透過深度學習與強化學習，開啟新一代 AI 時代。 1.3...
感謝生命中的你
有感而發想，想對幾位貴人說聲謝謝–1130902 葉Ｏ銘教練感謝您的出現、願意破格教一個沒運動底子的人學撐竿跳高！因為有您的教授技術以及種種鞭策讓我一直熱情不減的想會撐竿跳高給我的奧妙我愛撐竿跳高 很愛 很愛因為您不放棄我，所以我才能繼續訓練，繼續突破自己！我深知不是您最耀眼的那顆星先天沒運動細胞 卻有後天凡夫俗子的干擾但我會一點一點進步越是不可能，我就越有繼續努力的機會所以，教練 真的很謝謝您！之後還請您多多指教 歐Ｏ雄老師感謝您一直不斷的指導我許多專題報告、資料的製作不厭其煩重複聽我報告又報告不斷的修正我的種種不OK因為有老師的指導與調整我不怯場、漸漸知道一些小眉角佔用您許多寶貴時間今天忽然想付諸文字告訴您「有您真好」、「謝謝您」當然面臨關鍵時刻的逼近我必須展現我的「會跟」希望得到您的題點指導謝謝您 哎呀開學第二天看似沒變卻不一樣了看似變了但又還是一樣所以寫下這謝感言還有很多善知識貴人在幫助我也都謝謝你們未完
加拿大之旅-1
19歲一張機票一個人，飛往2萬里外的土地 –加拿大，內心忐忑第一次來到陌生環境，不善英文的我唯唯諾諾不敢開口，害怕說錯被嘲笑尷尬，一切都只是嚇自己。感謝高中同學讓我認識房東阿姨，謝謝阿姨開車帶我出去玩照顧我，也謝謝Bryan跟Chanting的照顧，是不會忘記的朋友，這兩個禮拜短是短了點但充滿了快樂，被漂亮的風景給震驚、被國外的文化給吸引，加拿大是個舒適的環境，在這裡發現以往的拘束都不復存在，是自由的只要敢開口就絕對聊的起來，-22度的天人性卻是溫暖的，說出來你可能不信那裡治安也超級好，進到店裡面或是早上看到誰，永遠都會得到對方熱情的問候，是開心的也把內向不敢說話的個性給解除了！
C++導論(未完成)
C++導論我們為何要學C++C++是目前最快的程式語言（高階語言）在硬體與軟體中都有強大的地位 基本框架12345678#include<iostream> // 匯入基本輸入輸出的函式庫using namespace std; // 如果找不到一率從std找int main()// 程式進入點{ // 程式主要區塊 cout << "Hello C++" << "\n"; return 0;} 電腦硬體的組成 高階語言中階語言機器語言程式儲存在哪裡一個int 幾個bit ?攥寫你的第一個程式碼編譯器與直譯器程式要幹嘛，自己講 不要覺得應該會這樣跑預測 模擬兩可的寫法 ZeroJudgeJudge的原理程式程式 = 設計＋語法 資料型別簡單的加減乘除取餘數int unsigned long long long ?變數變數只是容器
Human Motion Sensing
體感技術（Human Motion Sensing） 作者：陳閔駿 什麼是「體感」？體感指的是：人類的身體動作（例如：站立、舉手、蹲下）被科技設備（如攝影機、感測器）感知，並轉換成電腦可以理解的資訊。 這些動作在技術上稱為「姿勢（Posture）」或「行為（Action）」，透過影像辨識與數學模型（如 AI、骨架追蹤）來進行分析。 點我展開：圖片參考？ 體感技術的應用流程：Detect -> Track -> Analyze Detect（偵測） 使用攝影機或感測器抓取人的影像或深度資料 Track（追蹤） 追蹤人體關鍵點（例如：頭、手、腳的位置） Analyze（分析） 分析動作是否為跌倒、跑步、揮手、下蹲等行為 為什麼 AI「閃閃發光」？ 因為 AI 正在深入人類生活的每個面向： 食衣住行（Living）：自動購物推薦、智慧穿戴、智慧家居 健康（Health）：姿勢偵測、異常行為預測（如跌倒） 人際關係（Social）：情緒辨識、語音互動 幸福感（Happiness）：個人化互動、智慧娛樂 安全感（Security）：行為辨識、防災預警、入侵偵測 點我展開：圖片參考？ 目前的AI已經看得懂大部分的東西相比之下幾年前的AI還是看不懂的我們學的體感，就是物件辨識的一個分支 辨識 vs 生成辨識：辨識是處於AI只會看資料，不會出現新的東西生成：ＡＩ已經不只會看東西了，AI可以透過收集的資料去生成作文等等 多模態視覺模型 點我展開：圖片參考？ ...
屏科實中自主學習演講
我是如何平衡時間的 > 魚與熊掌不可兼得，有捨有得，實作下去自己走過就知道怎麼分配時間
對抗式神經網路
對抗式神經網路（GAN, Generative Adversarial Network）核心概念它訓練兩個神經網路來彼此競爭，從指定的訓練資料集中產生更真實的新資料可以彌補資料過少與過擬合問題 架構介紹假設建立兩個神經網路： ANN（生成器 Generator）：用來生成圖像（例如假人臉）。 BNN（判別器 Discriminator）：用來判斷輸入圖像是真人還是假人。 流程說明 ANN 生成一張假的人臉圖片。 將圖片輸入給 BNN 判斷： 輸出 1 代表認為是真人。 輸出 0 代表認為是假人。 ANN 接收回饋，學習如何「騙過」 BNN。 BNN 也會根據結果修正判斷機制，變得更難被騙。 不斷循環訓練，直到： ANN 能生成非常逼真的圖片。 BNN 無法分辨真假，達到對抗平衡。 如果判別器越強，那生成器也會變強很多 📊 圖示說明 左邊藍色神經網路為 ANN（生成器） 右邊紅色神經網路為 BNN（判別器） 中間箭頭表示生成→判斷的資料流 下方箭頭代表訓練不斷迴圈進行 🎯 最終目標 讓 ANN 生成的圖片真實到足以騙過 BNN。 這種結構可廣泛應用於： 假人臉生成（如：ThisPersonDoesNotExist） AI 繪圖與風格轉換（如：CycleGAN） 偽造音訊、影片、語音等
新生入學說明會
踏入校園便被優美的環境震攝，太陽的照耀下映射了學校的書卷氣息，感謝學長與教授們的幫助
SITCON-葉丙成教授演講
葉丙成教授-AI 時代人才新思維 牛津大學論文 針對全世界 702 種工作分析 20 年後多少還會存在，而多少會消失 結果：未來 20 年有 47% 現有工作會消失，65% 出現（那個時候 AlphaGO 還沒打敗人類，所以還會再往上升） 108課綱：把台灣的孩子培養成終身學習者 AI 時代人才圖像 案例：ChatGPT 如何影響當今業界？ ChatGPT 讀合約後取代法務人員 業界幾乎不需要 Junior 工程師，只需要 Senior 工程師利用 AI 生程式碼，就只要改一點 bug 便能快速完成 案例：目前業界最缺數位行銷人材 未必要相關科系，甚至高中生也行 大學跟不上世界趨勢->再次強調自主學習 要證明你有這個能力 未來職場的新趨勢：每三、五年學新技能 市場價值沒辦法維持二、三十年（因為很快就會有很多人有相同的 skillset） AI 時代最寶貴的特質：好奇 如何找到自己的 edge？跟隨自己的好奇心去探索，找到市場利基點。 教育建議 要呵護自己的好奇心，因為耗損掉之後就不會回來 傳統觀念：好學歷=好公司 Pagamo 根本不看學歷，能力很比學歷還重要 好奇心將是未來二十年成功者必備的關鍵特質 不要到大學階段好奇心彈性疲乏，傳統學習方式，背、抄 記住：世界變化越快，機會越多 不用焦慮，因為新生兒越來越少 台灣家長的焦慮正在扼殺孩子的好奇心，尤其是比較心態 不要讓父母的焦慮影響自己 記住：找到人生的極值：Gradient...
SITCON學習心得（AI幫忙整理）
SITCON 2025 論壇逐字稿 講者介紹主持人：路Ｏ珍女士與談人：吳Ｏ宇（生成式藝術家、新媒體藝術家）與談人：李Ｏ樵（軟體工程師、小說家）與談人：蔡Ｏ翰（資工系教授、數位人文研究者） AI 與創作的關係AI 對創作的影響吳Ｏ宇 AI 就像是外骨骼，可以減輕創作者的工作負擔，但最後的創作仍依賴人類的主觀判斷。 當 AI 讓大量內容的生產變得廉價時，人的審美標準會隨之提升，創作將更關注內心感受與價值，而不只是形式上的堆砌。 以攝影為例，手機攝影技術的提升導致傳統攝影師不再以銳度為主要追求，而轉向更具獨特性的表現方式，如大光圈的美學。 AI 生成文本的成本大幅降低，過去字數的長度作為小說成就的標準將失去意義，未來讀者更可能關注的是內容的真實性與情感表達。 李Ｏ樵 AI 在創作中的直接幫助較少，但在前期的資料搜集上能夠發揮極大作用，例如快速查找世界各地的相似作品。 文學創作的價值在於個體的經驗與視角，即使 AI 參與創作，仍需要人類來決定哪些內容是有價值的。 AI 幫助降低創作門檻，但也促使市場淘汰更平庸的作品，未來只有真正能夠觸動讀者的內容才能被保留下來。 蔡Ｏ翰 AI 的發展與藝術創作可以共存，關鍵在於 揭露創作的過程。如果創作者能夠清楚標記 AI 參與的程度，那麼這種創作依然可以被視為藝術。 AI 在歷史研究上提供了極大的幫助，例如分析明朝歷史檔案，發現 400 多名文官同時擔任軍事指揮官，這些結果可作為後續研究的基礎。 生成式 AI 的作品仍需人類專家進行審查與解讀，否則可能會產生錯誤或誤導性的結果。 跨領域思維與 AI工程思維與創作吳Ｏ宇 以...