MLOps, 實作解析, 技術 用 MLDE 平台實作 PyTorch 卷積神經網路模型 機器學習模型的開發過程中，為了讓模型效能更好，通常資料科學家會設計實驗，擬定要嘗試的模型並對各個模型嘗試不同的超參數組合，以便從中找出表現最好的組合。正是因為要嘗試的組合非常多，可以想像過程中所產生的結果也不可計數，過往需要仰賴人工手動填寫表格，以利管理。
技術, 實作解析 人類的情緒變化，AI真的能辨識出來，還能分析應用？ 每一天，我們都會有開心、難過或是生氣等等不同的情緒反應，大多時候，人類可以透過觀察臉部表情或動作，看出對方的情緒；也可以從語氣或是對話描述聽出說話者的心情。那麼，電腦也可以看出或聽出人類的情緒嗎？
技術, 實作解析 利用Apple神經網路引擎，實作 Image Segmentation 對 AI 工程師來說，Apple 處理器上特別的 16 核心神經網路引擎(Neural Engine)帶來了顯著的速度提升，且在手機端的執行速度也有不錯成效。本次，我們將針對「模糊化背景」的情境進行實地測試任務。
實作解析, 技術 不只是ChatGPT而已？了解大型語言模型的能力與可能 ChatGPT 讓使用者能以聊天對話的方式，向機器提問且獲得解答，簡易的互動降低了一般人使用 AI 的門檻，不僅更貼近日常使用，也更接近人們想像中的 AI。背後關鍵的「大型語言模型」（LLM，large language mode）究竟擁有哪些能力，又該如何使用呢？
技術, 實作解析 讓ChatGPT也能幫忙算數學：利用LangChain agent，擴展ChatGPT的工具箱 ChatGPT 顯然不太擅長某部分的問題，但我們可以加入一些巧妙的設計，讓它在窘迫時，可以呼叫外部工具來解決問題。
技術, 實作解析, ChatGPT 解析 ChatGPT 技術概念 美國人工智慧研究實驗室OpenAI 於2022年底發布轟動全球的ChatGPT，短短5天隨即湧入逾百萬名使用者註冊，累積至今已有上億使用者。由於介面平易近人，宛如與真人進行對話般，就像跟真的人類聊天一樣。從模型的發展來看，ChatGPT究竟是多了哪些技術，才能有今日的發展？
實作解析, 技術 利用 PyTorch Lightning 與 CoreML 實現在 Apple 神經網路引擎進行加速運算 自 Apple 公司在自主研發處理器上取得成功後，各家媒體多將焦點放在卓越的媒體製作效能，以及不同情境下，處理器的效能檢測結果，卻忽略了 Apple 處理器上特別的 16 核心神經網路引擎(Neural Engine)。對 AI 工程師來說，不免好奇神經網路引擎是否能帶給大家不同的體驗以及使用方式。因此，本文將與大家分享 python 調用 Neural Engine 的方法，從 Neural Engine 執行結果所花費的時間來看，速度加速非常顯著。
實作解析, 技術 利用LangChain實作ChatPDF：問個問題，輕鬆找出文件重點 「一週又過去了，這次meeting的期刊報告你準備好了嗎？」、「說好的產業分析報告整理得怎麼樣了？」以上場景是否讓人覺得似曾相識？
