基本 AI 觀念 - 分類 - DataSci Ocean

基本 AI 觀念

2026

宣稱省下 106 倍成本：vLLM 怎麼把 Serving 系統校準給 Agentic Workload 09-24

TypeSafe AI 的 Jev 號稱快 193.6 倍？第三方實測只到約 25 倍 09-22

拆解 Claude Code：Agentic Loop、工具系統、Skills 與權限機制 07-24

一篇文搞懂 Dropout：為何它能有效解決神經網路的 Overfitting？ 07-20

Backpropagation 介紹：Neural Network 的 Gradient 怎麼算？ 07-15

Stochastic Gradient Descent 介紹：Mini-Batch 與 Epoch 07-09

Deep Learning 基本功：Gradient Descent 介紹 06-28

向量到底是 1 維還是 5 維？搞懂 Dimension 的兩種意義 06-23

Deep Learning 基本功：認識 MNIST 資料集與損失函數 06-20

機器學習基本觀念：Bias-Variance Tradeoff 06-16

Deep Learning 原理：Neural Network 如何分類圖像 06-14

Deep Learning 第一站：Neural Network 名詞介紹 06-11

Perceptron 的改良版：了解什麼是 Sigmoid Neuron 06-09

拒絕 Text-to-SQL 玩具！從 OpenAI 內部 Data Agent 看企業級 AI Agent 的「六層脈絡」與閉環除錯 04-25

掌握 Harness Engineering：結合 Ralph Loop 與 MemRL，打造具備持續學習能力的 AI Agent 04-05

vLLM Semantic Router 重點介紹 03-29

賦予 AI 長效記憶：深入解析 AI Agent 的核心技術「上下文工程 (Context Engineering)」 03-22

別再只會寫 Prompt：深度解構 AI Agent 的系統工程學 —— 從 OpenClaw 看長效記憶與自主執行機制 03-16

2024

解密 LLM 訓練三部曲：深入解析 SFT 與關鍵的 RLHF 技術 02-27

2023

從 BERTology 到 PEFT：AACL 2022 Tutorial 筆記 09-01

1
2