登入
首頁
收藏
0
返回課程
深度學習的 「Hello World」 辨識mnist手寫數字NotebookLM之Podcast
AI應用
請試用幾個大型語言模型
加入課程後請說hello
大家都會用chatGPT
Gemini也不難用
請自行分組
AI影片1
AI影片2
試用xAI Grok與產生短片
ex1 請試用大型語言模型問大數據或AI要產生AI圖
生物視覺&機器視覺
生物視覺 機器視覺
機器視覺 與haarcascades偵測人臉與眼睛
機器視覺ILSVRC競賽之後
google colab上設定Gemini與操作Python
Colab上試試Python
exam1
AI發展測驗解答
AI發展測驗解答pptx
GPT/Gemini/Claude/Grok四大LLM+AI 3巨頭
ex2 在colab上試用Gemini並比較其他LLM
CNN與Teachable Machine
Google Teachable Machine訓練Keras模型操作人、貓、狗辨識
邁向AI機器學習 ---Teachable Machine
邁向AI機器學習CNN與Teachable Machine
ai人工智慧tensorflow playground說明
如何佈署訓練好的TM model
teachable machine訓練好的Keras模型在Colab上執行辨識
teachable Machine與app inventor 2製作辨識app
訓練到實戰：Teachable Machine 模型多端部署與colab實作
teachableMachine_keras_cv2_howto_colab.ipynb
Ex3 Colab佈署TM model
有關Teachable Machine模型進階處理
notebooklm AI複習影片開箱Teachable_Machine：AI如何變簡單
exam2
為什麼AI把柴犬看成貓---CNN辨識模型測驗解答
js2Keras教學for TM.ipynb
Teachable Machine卡關？解決Keras轉檔失敗
為什麼_AI_把柴犬看成貓
用RAG學AI基礎神經網路
AI人工智慧Keras實作神經網路模型之1 mnist手寫數字
RAG&深度學習的 「Hello World」
深度學習的 「Hello World」 辨識mnist手寫數字NotebookLM之Podcast
神經網路模型.ipynb
RAG之NotebookLM操作與Keras辨識mnist手寫數字程式
期中報告
報告
打造你的第一個_AI：從魔法到邏輯
運用 NotebookLM-D11333025
證照上傳SIP，一次就上手！
認識YOLO
黑柴犬 登大屯山 南峰+yolov7
YOLO26在Colab Python上試做之1
YOLO26在Colab Python上試做畫面分割、姿態檢測與隨機狗辨識
YOLO好用
YOLO好用.ipynb
YOLO簡介
原始資料來自 :
https://www.youtube.com/embed/Mu6f7K9oYyI?si=n6XeONzzrr_A72es
討論
完整模式
討論功能僅開放給課程成員，請先加入課程
最新的回應
...more
1 天前
D11333035
:
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-19
D11433020
:
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
D11333025
:
監督式學習提供框架，而 MNIST 提供練習題。透過 MNIST，我們可以驗證神經網路是否能像人類肉眼一樣，從像素排列中辨識出正確的數字。
04-13
d11336529
:
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
d11233001
:
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
安文
你在這段對話中學到什麼?
04-13
1 樓
顯示先前的回應
23 則當中的 3 則
d11333009
學到了：監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
2 樓
D11333202
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
3 樓
D11333019
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
4 樓
D11333017
我學到了：
1. 項目介紹：影片介紹如何使用深度學習進行手寫數位識別，並基於MNIST資料集。
2. 平時對AI的誤解：探討我們人類對人工智慧的常見誤解，同時強調AI並不是只有天才才能理解的領域。
3. 監督式學習：解釋監督式學習的概念，以及MNIST資料集的組成（包括訓練和測試資料）。
4. Keras框架：說明Keras如何簡化深度學習的開發過程，讓使用者能夠更快速地構建模型。
5. 深度學習流程：介紹深度學習的五步核心流程及淺層神經網路的結構。
6. 工程實踐：強調資料品質在模型性能中的重要性，並指出羽量級模型在良好資料下的高效性。
04-13
5 樓
D11433009
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
6 樓
D11133023
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
7 樓
D11433008
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
8 樓
D11333001
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
9 樓
D11433017
大眾對AI的誤解：平時我們可能會把AI視為一種跟生活很有距離的概念，但其實AI充斥在我們的生活中。
04-13
10 樓
D11333020
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
11 樓
D11333012
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
12 樓
D11333031
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
13 樓
D11433002
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
14 樓
D11333034
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
15 樓
d11433010
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
16 樓
d11336528
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
17 樓
D11333029
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
18 樓
D11333007
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
19 樓
D11213018
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
20 樓
d11233001
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
21 樓
d11336529
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
22 樓
D11433020
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-19
23 樓
D11333035
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
1 天前
24 樓
D11333032
1.打破對AI的迷思
2.監督式學習與MNIST資料集
3.框架的力量（化繁為簡）
4.機器與人類的差異
在這段對話中，我最大的收獲是思維的無限大，ai將所有的事情從不可能變成可能，有如魔法般神奇
04-13
1 樓
D11333205
監督式學習 解釋監督式學習的概念以及MNIST資料集的組成
04-13
1 樓
d11333006
1. 機器看世界的方式與人類完全不同
2. AI 開發者的角色轉變：從算數學變成「架構師」
3. AI 的「學習」其實是數學規律的微調（監督式學習）
4. 打破「模型越大越好」的迷思，資料品質才是關鍵
總結一句話：
AI 不是遙不可及的黑魔法，它的底層是非常嚴謹的數字邏輯；只要掌握正確的工具與清晰的架構設計，就能用最簡單的資源發揮極大的效能！
04-13
1 樓
D11333014
這個案例完美展示了 AI 在教育上的強大潛力——它是極佳的「知識翻譯機」
04-13
1 樓
d11133024
監督式學習：解釋監督式學習的概念以及MNIST資料集的組成
04-13
1 樓
D11433019
我學習到:
1.框架的力量:Keras簡化了複雜的運算,讓我們專注於解決問題,提高工作了效率
2.化簡為繁:建構AI不再是非常困難的,而是掌握結構化積木的過程
04-13
2 樓
D11333025
監督式學習提供框架，而 MNIST 提供練習題。透過 MNIST，我們可以驗證神經網路是否能像人類肉眼一樣，從像素排列中辨識出正確的數字。
04-13
3 樓
Prev
RAG&深度學習的 「Hello World」
Next
神經網路模型.ipynb
2.監督式學習與MNIST資料集
3.框架的力量（化繁為簡）
4.機器與人類的差異
在這段對話中，我最大的收獲是思維的無限大，ai將所有的事情從不可能變成可能，有如魔法般神奇
2. AI 開發者的角色轉變：從算數學變成「架構師」
3. AI 的「學習」其實是數學規律的微調（監督式學習）
4. 打破「模型越大越好」的迷思，資料品質才是關鍵
總結一句話：
AI 不是遙不可及的黑魔法，它的底層是非常嚴謹的數字邏輯；只要掌握正確的工具與清晰的架構設計，就能用最簡單的資源發揮極大的效能！
1.框架的力量:Keras簡化了複雜的運算,讓我們專注於解決問題,提高工作了效率
2.化簡為繁:建構AI不再是非常困難的,而是掌握結構化積木的過程