演算法 - 第1頁 - 科技大觀園

跳到主要內容

:::

熱門關鍵字：

分類項目

首頁

略過字型切換，社群分享工具列

中列印

演算法

有問題就問資料探勘！但是能得到滿意的答案嗎？

近年在機器學習、演算法、大數據的熱潮下，「資料探勘」（data mining）給大眾的印象沒那麼強烈，卻也不算陌生。它和人工智慧等熱門領域的關聯是什麼？多數人或許更關心：資料探勘和我有什麼關係，可以做哪些事情？

寒波｜科技大觀園特約編輯

VR版英雄聯盟該如何操作？來看看它背後的原理吧！

玩VR版的英雄聯盟，360度的畫面內容過於豐富，容易讓人分神。新手訓練區的畫面與解說的自動匹配功能可以解決這個問題。分別將畫面和文字進行編碼，將文字丟入「循環神經網路」中，得到獨一無二的編碼。將影像丟入「卷積神經網路」中，得到對於這段影像的編碼。各自編碼後，電腦便能將相同編碼的事物進行串連，這就是VR版英雄聯盟的原理！

黃福銘｜東吳大學巨量資料管理學院

下雨天「看」得清楚嗎

涂煥昌｜特約文字編輯

機器學習是什麼？

這一堂課，從通識課程的觀點，提示《勢與策:從運籌帷幄到大數據決策》課程主要的內容。涵蓋《戰國策》、賽局論、演算法。鼓勵學生們從looking for patterns的思索，學習觸類旁通和融會貫通的能力。體會一門學術建立所需要的：品味、風格、素質、傳統。

陳健邦｜清華大學

人工智慧時代的創新與挑戰

AI有個很重要的門檻，便是能否達到人類的水平。要發展AI，必須掌握三大創新要素，分別為資料創新、演算法創新，以及結合專業應用領域。

杜奕瑾｜台灣人工智慧實驗室創辦人

垃圾進，垃圾出

以「刷臉」辨識身分的技術，應用範圍越來越廣泛。因為學者開發出新的演算法，名曰深度學習（deep-learning），大幅提升了機器學習的能耐。

王道還｜中央研究院歷史語言研究所助理研究員

AI不中立？─探討AI偏見帶來的影響

現今的AI大多採用監督式學習（supervised learning）。也就是說，它會依照工程師提供給它的訓練資料（training data）推斷出規律，再把規律套用在未知的資料上。這套演算法的原則是由AI自行進行學習，乍看之下很有效率。不過，一但提供的資料不夠全面，或工程師沒有想方設法避免歧視，AI推導出的結果便很容易帶有偏見。

柳欣宇｜國立中山大學外國語文學系

質數與密碼學

張海潮｜臺灣大學數學系教授

數位時代的淘金術–從大數據到人工智慧

陳昇瑋｜中央研究院資訊科學研究所研究員／台灣資料科學協會理事長

電機資訊工程的現況與未來：引言

電機和資訊是台灣高科技產業的主軸，創造了引以為榮的經濟奇蹟，也吸引世界各國爭相投資於其創新與研究發展。

曾永華｜成功大學微電子工程研究所

資料筆數【15】頁數【1/2】

熱門文章

更多熱門文章

開啟

關於我們

關於我們

文章

影音

活動

活動

學生專區

學生專區