消除噪音,建構人工智慧:透過內容審核、趨勢聚類、客製化聊天機器人和檢索學習 GenAI
Continue reading “人工智慧實用指南:透過 4 個實際專案快速利用 LLM”AI / LLM 部署工程師(本地及離線)
2026 | 在本地自由運行 LLM 模型 | 私密運行不受限制的 LLM | AI 平台 | 硬體優化 | ComfyUI | RAG
Continue reading “AI / LLM 部署工程師(本地及離線)”從零到專家:在 Ollama 中建立本地 LLM 應用程式
在您的系統上私密地運行自訂 LLM 模型 | 使用類似 ChatGPT 的介面 | 使用 Python 建立本機應用程式
Continue reading “從零到專家:在 Ollama 中建立本地 LLM 應用程式”大型語言模型(LLMs) 和檢索增強生成(RAG)
在本實作課程中,您將掌握大型語言模型 (Large Language Models,LLM) 並建立複雜的文本生成應用程式。您將精通提示工程技術,優化模型選擇和成本,並深入研究檢索增強生成 (Retrieval-Augmented Generation,RAG),利用向量資料庫將 AI 響應與外部資料關聯起來,消除虛假資訊。最後,您將使用 RAGAS 評估系統效能,並透過建立端到端的 RAG 應用程式來展示您的技能。
Continue reading “大型語言模型(LLMs) 和檢索增強生成(RAG)”2026 年人工智慧基礎:兼顧安全的 AI 工作技能
員工必備的人工智慧基礎 | 人工智慧安全 | 提示工程( Prompt Engineering) | AI Agents (代理) | ChatGPT、Copilot、Claude LLMs
Continue reading “2026 年人工智慧基礎:兼顧安全的 AI 工作技能”初學者的生成式 AI
輕鬆入門生成式 AI:開啟您的生成式 AI 之旅,學習 ChatGPT、LLM、提示工程,建立 GenAI 聊天機器人
Continue reading “初學者的生成式 AI”使用 LangChain + LangGraph 生產上線的 AI 代理 [2026]
精通 RAG、多代理( multi-agent )系統、LangGraph 和 FastAPI – 使用 Python 建構和部署真實世界的 AI Agemt 專案
Continue reading “使用 LangChain + LangGraph 生產上線的 AI 代理 [2026]”MCP Server 讓 AI 走入實體世界:從零打造 MCP Server,一點都不難!本地 LLM 結合 MCP Server 開發
從零開始建置模型上下文協議(MCP Server實戰課程)
Continue reading “MCP Server 讓 AI 走入實體世界:從零打造 MCP Server,一點都不難!本地 LLM 結合 MCP Server 開發”透過 Ollama 和 LM Studio 學習本地 LLM 課程-實用指南
在本地運行 Gemma、Llama 或 DeepSeek 等大型開放語言模型,以便在消費級硬體上執行 AI 推理。
Continue reading “透過 Ollama 和 LM Studio 學習本地 LLM 課程-實用指南”大型語言模式(LLM)與生成式 AI:它們有什麼不同?
原文 : Large Language Models (LLMs) vs. Generative AI: What’s the Difference?
💡 加深對大型語言模型(LLM)和生成式 AI 的理解,並探索它們在各個行業的應用。
大型語言模型 (LLM) 有助於建構生成式 AI 應用。兩者之間的主要區別在於,生成式 AI 專注於基於訓練數據生成新內容,而 LLM 則專注於從資料中學習和解釋數據,從而產生可靠的文字輸出。作為開發者,您將使用海量資料訓練 LLM,該模型會對資料進行解釋和分析,以幫助生成式 AI 應用程式創建內容,並像人類一樣回應使用者的查詢和提示。探索 LLM 和生成式 AI 的基礎知識,了解它們的關鍵應用,並深入了解它們的潛在優勢和劣勢。
Continue reading “大型語言模式(LLM)與生成式 AI:它們有什麼不同?”