Prompt engineering overview ChatGPT 指令大全 Cheat Sheet GPT Prompt好好寫 espanso Espanso 免費版 Text Expander 自動輸入字句、語法、公式、範本

:::warning 手殘選錯團隊更新筆記（然後又刪不掉 :upside_down_face: 請移駕 新連結 :::

:::danger 由於找不到管理員（糗），我們決定放棄這個團隊空間～ 這裡的筆記已經全數遷移到新的團隊空間「@learnai2024」 :::

test

這是「113 職前 AI 互助讀書會」的 HackMD 協作筆記。 :face_with_cowboy_hat: 想參加讀書會？歡迎加入我們的 Discord 伺服器！ :pencil2: 想成為編輯者？請詳閱貢獻指南！ 關於我們 我們是國立中興大學人工智慧程式設計與應用開發人才培訓班第 01 期的學員。 子專案 讀書會：每週定期在 Discord 的語音頻道上進行討論，並撰寫讀書會紀錄。DL 讀書會：每週五 19:00–20:30

快速入門 想成為稱職的貢獻者，你必須熟悉 Markdown、HackMD、LaTeX/MathJax 等工具或技術。 Markdown Markdown Syntax Reference Daniel Horng - Markdown 總複習 HackMD 點擊 HackMD 編輯器上的  按鈕，可以找到一份簡單的 Cheatsheet。 ==HackMD 使用教學 (官方)==

ML/DL 百科：收集 ML/DL 的術語；按照英文字母序排列；提供比較詳盡的定義、實例、圖解、引註，術語之間有交互連結。 ML/DL 術語表：收集 ML/DL 的術語；按照英文字母序排列；由於這是術語表（glossary），所以只會給予最簡要的定義。 ML/DL 書單：收集各種以 ML/DL 為主題的書籍。 ML/DL 線上資源：收集各式各樣可以在線上存取的 ML/DL 學習資源。

[!Warning] 部分定義使用 ChatGPT 生成，但經過人工改寫。 :::spoiler 目錄 ::: A Activation function 啟動函數（activation function）是在神經網路中的一種非線性函數（nonlinear function），位於每一層神經元的輸出端。它的作用是將輸入映射到某個範圍，並引入非線性（nonlinearity），使得神經網路能夠學習和表示複雜的非線性關係，從而提升模型在分類、迴歸等複雜任務中的表現。

本文是「深度學習讀書會」的入口。 我們每週五會在 Discord 語音頻道一起討論張敏寬教授的深度學習課程。

本文是「機器學習讀書會」的入口。 我們每週六會在 Discord 語音頻道一起討論李宏毅教授的機器學習課程（2017 年春季學期）。 外部連結 :camera: YouTube 播放清單 :closed_book: 課程官網 — 可取得課程簡報、講義、影片 :studio_microphone: Discord 語音頻道 讀書會紀錄 2024-09-15 第一講

A 英文 中文 定義 activation function 啟動函數 在神經元的輸出端的非線性函數

相關筆記 shaoeChen - 李宏毅_ML_Lecture_1 2024-09-14 讀書會 messageImage_1726319083286 messageImage_1726320877262 messageImage_1726320938033 Q:

全面性整理 IT 公社 - 史上最全的 AI 學習路線，附資源連結整理 數學基礎 朱樺 微積分. 台大開放式課程.（附講義） 蘇柏青 線性代數. 台大開放式課程.

台灣書目整合查詢系統 — 可查詢全台所有圖書館藏書 ID 書名 第一作者 出版社 ISBN zhuge 機器學習工程師面試全破解

AI閱讀神器快速幫你理出重點 https://www.genape.ai/zh-hant/blogs/ai-read-papers/ SCISPAC範例測試: 範本(李弘毅教授機器學習第一講) https://typeset.io/library/untitled-collection-32xjz1wa/regression-pdf-2b1jpizj?ascm=1

9/14機器學習課後問題討論 問題重點整理(CHATGPT解答版) 依據以下表圖給出淺顯易懂的說明解釋螢幕擷取畫面 2024-09-14 201308 梯度下降法 是一個常用的最佳化算法，在機器學習中被廣泛用於訓練模型。它的核心概念是： 透過不斷地調整模型的參數，使得模型的預測結果與真實結果之間的誤差最小化。 圖示解說 Loss Function (損失函數): 圖中的曲線代表一個損失函數 L(w)，這個函數用來衡量模型的預測結果與真實結果之間的差異。 我們的目標是找到使這個損失函數值最小的參數 w。 ​​​​Initial Value (初始值):

Cheatsheet https://wch.github.io/latexsheet/ 信佑示範 分數 $\frac{2}{3}$ 三角函數 $\sin{x}$ 求和與連乘 $$\sum_{i=1}{x_i}$$

softmax 講解影片 1.李政軒 2.王木头学科学