by 資料科學家的工作日常 ❙ 維元
<p>▍EP1：由資料科學驅動的人工智慧 | 🎧 資料科學者的下班幹話群 <br /> <br />嗨，你好，我是維元 👋 我將在 🎧 資料科學者的下班幹話群 Podcast 分享我在資料科學與人工智慧領域上觀察的趨勢發展與所見所聞 💥 這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️ <br /> <br />⮑ 📰 Data + AI = ∞ 電子報 + 🎧 資料科學者的下班幹話群 Podcast <br /> <br />📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com <br />📌 🎧 資料科學者的下班幹話群 ➟ https://open.firstory.me/user/aitalk <br /> <br />--- <br />💌 合作交流歡迎留言、來信或直接私訊 <br />--- <br /> <br />嗨，我是維元，目前是擅長網站開發與資料科學的雙棲工程師，熟悉的語言是 Python 跟 JavaScript。同時經營資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，擁有多次國內大型技術會議講者經驗，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的分享。 <br /> <br />📌 Facebook: https://www.facebook.com/dscareer <br />📌 Instagram: https://www.instagram.com/___dsdaily___/ <br /> <br/>Powered by <a href="https://firstory.me">Firstory Hosting</a></p>
Language
🇨🇳
Publishing Since
3/17/2024
Email Addresses
1 available
Phone Numbers
0 available
April 26, 2024
<p>▍EP6：資料科學工作者的養成路徑 | 🎧 資料工作者的下班幹話群 <br /> <br />⚡ 全新 Podcast 節目 <a href="https://open.firstory.me/user/aitalk/platforms" target="_blank"><strong>🎧 資料工作者的下班幹話群</strong></a> 將於每週一同步發布。 <br /> <br />過去我們習慣的「先選擇職種再依序學習」這樣的路徑高機率會變成資料領域的井底之蛙，甚至會把自己未來的職涯可行路徑走窄；我現在比較推行的方式是：先學習資料專案，再逐步深化特定技能。比較像是一個螺旋式的學習，有點類似所謂的 MVP，從最小可行性開始設計。在這個過程中同時也在探索自己對哪一些領域比較感興趣，是更喜歡工程面的、分析面還是模型面。在求好的階段再往這些部分深入研究。最終再決定求職的目標應該怎麼設定職種 <br /> <br />‒‒‒ <br />💬 留言告訴我你對這一集的想法： <a href="https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments">https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments</a> <br />‒‒‒ <br /> <br />/// <br /> <br />嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️ <br /> <br />📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com <br />📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms</p> <br /> <br/>Powered by <a href="https://firstory.me">Firstory Hosting</a>
April 15, 2024
<p>▍EP5：AI 崛起的前世今生（下）當代 AI 的正在進行式 | 🎧 資料工作者的下班幹話群 <br /> <br />⚡ 全新 Podcast 節目 <a href="https://open.firstory.me/user/aitalk/platforms" target="_blank"><strong>🎧 資料工作者的下班幹話群</strong></a> 將於每週一同步發布。 <br /> <br />延續上一週的主題「AI 崛起的前世今生（上）」，我們就以 ChatGPT 出現的前後作為一個分水嶺繼續聊聊當代 AI 發展的正在進行式。很多人會用「橫空出世」來描述 ChatGPT 甚或是 AI 或 GAI 的出現，但實際上 AI 早就已經在出現在大眾視野中而且實際上 AI 的出現其實在更早以前。而在 2022 年底所出現的 ChatGPT，是基於 OpenAI 從 2016 成立後逐步推動 GPT1、GPT2、GPT3 到 GPT3.5，現在的 ChatGPT 是基於 GPT3.5 所發展而來。GPT4 是在 2023 年中，最新的新聞是 GPT-4.5-Turbo 在上週發布，而大家期待的 GPT-5 也在訓練的路上。 <br /> <br />所以一切的推進就如同 Sam Altman 所形容的這是一個 <strong>AI 發展的莫爾定律，每隔一段時間就會有更上一階的發展</strong>。 <br /> <br />‒‒‒ <br />💬 留言告訴我你對這一集的想法： <a href="https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments" target="_blank">https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments</a> <br />‒‒‒ <br /> <br />/// <br /> <br />嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️ <br /> <br />📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com <br />📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms</p> <br /> <br/>Powered by <a href="https://firstory.me">Firstory Hosting</a>
April 8, 2024
<p>▍EP4：AI 崛起的前世今生（上） | 🎧 資料工作者的下班幹話群 <br /> <br /> <br />⚡ 全新 Podcast 節目 <a href="https://open.firstory.me/user/aitalk/platforms" target="_blank"><strong>🎧 資料工作者的下班幹話群</strong></a> 將於每週一同步發布。 <br /> <br />從 22 年底出現的 ChatGPT 開啟了一連串的 AI 大戰大概也經歷了一年半左右的時間，這段時間你有跟上嗎？今天這一集想跟大家分享回顧 ChatGPT 的發展脈絡，GPT 這種模型能夠根據一組的文字向量，產生出不等常且隨機的文字向量。例如一堆英文產生一堆中文的翻譯、一段長文本產生短文本的摘要，這些都是 GPT 的典型應用。 <br /> <br />而我們現在看到的 ChatGPT 是基於 GPT 所設計的出來，<strong>ChatGPT 能夠將聊天的上文當成輸入，而產生的下文當成是聊天的下文</strong>。 <br /> <br />‒‒‒ <br />💬 留言告訴我你對這一集的想法： <a href="https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments" target="_blank">https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments</a> <br />‒‒‒ <br /> <br />/// <br /> <br />嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️ <br /> <br />📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com <br />📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms</p> <br /> <br/>Powered by <a href="https://firstory.me">Firstory Hosting</a>
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at [email protected] for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.
