AI 與機器學習概念

範例資料

順序跟 paths 檔案一樣，由淺到深。每一站都標層級與階段。

1. 1. 基礎科學 · 國小

   機器怎麼「學」？

   AI 不是天生就懂，而是看了很多例子，找出規律。例子給得好不好，會影響它學得準不準（本站整理）。

   下一個深度：機器學習初探：訓練、測試與偏誤

2. 2. 基礎科學 · 國中

   機器學習初探：訓練、測試與偏誤

   機器學習是從訓練資料找規律，再用沒看過的測試資料檢查學得好不好；資料偏了，模型就會學偏（本站整理）。

   下一個深度：機器學習原理：從資料學出規則

3. 3. 進階理論 · 高中

   機器學習原理：從資料學出規則

   模型用訓練資料調整參數，讓預測誤差變小；但太複雜的模型會把訓練資料背下來（過度擬合），遇到新資料就失準（本站整理）。

   下一個深度：神經網路與深度學習

4. 4. 進階理論 · 大學

   神經網路與深度學習

   神經網路由許多簡單單元層層組成：每個隱藏層先做線性計算，再經過非線性的激活函數；訓練時用反向傳播算出梯度，再用梯度下降調整權重。學習率太小學得慢，太大會來回震盪甚至發散。