擷取增強生成 (RAG) 是一種前沿技術,結合了自然語言處理和資訊檢索,旨在提升大型語言模型 (LLM) 的生成準確性。對於想要深入學習 LLM 與 RAG 技術的人來說,RAG 提供了一個絕佳的學習案例,它展示了如何通過整合外部資料來增強模型的能力,生成更具參考價值的回答。 學習 RAG 技術不僅能夠理解語言模型的工作原理,還能掌握如何應用這些技術於實際問題中,例如醫療、法律或金融分析。RAG 技術的優勢在於它能即時檢索最新資訊,從而解決語言模型在專業領域中面臨的“幻覺”問題,這對於有志於將 AI 技術應用於現實世界的學習者來說尤為重要。 通過 LangChain 框架,學習者可以更輕鬆地掌握如何將 LLM 與外部數據源結合,實現 RAG 技術。這個框架的模組化設計使得開發過程更為簡單,無論是初學者還是有經驗的開發者,都能快速上手並開發出功能強大的自然語言應用。學習 RAG 和 LangChain,將為你開啟 AI 技術應用的大門,讓你在這個快速發展的領域中走在前沿。
比賽隊伍由主題分類中選擇適合的創業題目作為該隊的主題,參賽隊伍需針對該主題分析目標客群之真實需求及具體的解決方案,思考如果根據該解決方案成立公司後,應提供什麼樣的產品或服務來滿足目標客戶需求,並為該解決方案制定產品/服務之商業計畫書,最後向投資人進行商業簡報,吸引並說服投資人願意投資其產品/服務。
電腦視覺 (Computer Vision)為深度學習領域中相當重要的研究領域,在產業界也有非常多的應用場景。本課程聚焦於電腦視覺技術與深度學習領域,從基礎的影像處理(OpenCV)切入,逐步帶領學員學習電腦視覺深度學習技術,包含卷積神經網路 (CNN) 基礎、經典 CNN 模型、物件偵測實作 (Object Detection) 與人臉辨識 (Face Recognition)、MobileNet 等。