深度學習

RNN 雖然有記憶，但記憶力極短。今天我們將學習 LSTM 如何透過「閘門機制」與「行李輸送帶」原理，讓 AI 具備長期記憶，解決梯度消失的致命傷。

傳統神經網路是健忘的，但 RNN 透過「隱藏狀態」賦予了 AI 處理時間序列的能力。今天我們將透過模擬股價預測，揭開 RNN 記憶的秘密。

訓練一個大型模型需要數週時間？今天我們將學習如何「借用」Google 與 Microsoft 訓練好的大腦 (VGG, ResNet)，用極少量的資料與時間，解決複雜的影像辨識任務。

為什麼 MLP 認不出圖片裡的貓？今天我們將拆解 CNN (卷積神經網路) 的核心機制：卷積、池化與參數共享，並透過 CIFAR-10 貓狗分類實戰，建立你的第一個影像辨識模型。

MNIST 是深度學習界的 Hello World。今天我們將深入拆解神經網路如何透過訓練循環學習，並利用 PyTorch 實現手寫數字辨識。

踏入深度學習的第一步：探索神經網路如何模仿人類大腦，透過權重、激活函數與反向傳播，實現從數據中自動學習特徵的覺醒過程。