learn mode學習吧登入 相關
廣告過去一個月已有 超過 100 萬 位使用者造訪過 temu.com
Enjoy Learning of Temu's best price, superior quality & full range of services. Browse thousands of brands and find deals on Learning at Temu®, Shop Now.
- Clearance Sale
Daily must-haves
Special for you
- Crazy,SoCheap？
Limited time offer
Hot selling items
- Temu Clearance
Countless Choices For Low Prices
Up To 90% Off For Everything.
- Up to 90% off
Get Great Deals on Temu
Big Sale
- Clearance Sale
搜尋結果
ChatGPT 係一隻大型語言模型（Large Language Model, LLM），由 OpenAI做出，基於 GPT-3.5架構 [1] 並訓練憑強化學習給人類feedback嘅，之涉及到吸取大量文本數據落隻模型等佢喺人類干預下學識啲patterns同埋啲結構畀語言 [2]。
學習hok6 zaap6 （英文： learning）喺 心理學 同 神經科學 等嘅領域上係指一個個體吸收 知識 、 技能 同埋 行為 嘅過程。 學習包括獲取新知識、新技能或者新行為，又可以係改變舊有嘅知識、技能、同行為 [1][2]。 學習唔淨只係人識得做， 動物 以及某啲品種嘅 植物 [3] 、甚至乎係專門 機械 都 曉學習 [4] －動物絕大多數都曉學一啲簡單嘅「避開痛楚」動作，例如係一個人俾個煮食爐焫嚫一次之後，下次學吓唔再搵手掂個爐。 一啲 智能 高啲嘅動物，包括人，同某啲 人工智能，仲有能力學做一啲複雜嘅行為或者理解啲複雜嘅 概念 [2]，例如 足球 同 芭蕾舞 等嘅 運動 當中有極之高深嘅技巧，而學深奧嘅 科學 知識要求高度嘅理解能力 [5]。
深度學習 （粵拼： sam1 dou6 hok6 zaap6； 英文： deep learning），又有叫 深度結構化學習 （deep structured learning），係一系列涉及「深入 學習」嘅多層 人工神經網絡 技術， 前饋 同 遞迴神經網絡 都用得 [1][2]。
基本定位. 内文： 智能體 同 演算法. 睇埋： 認知科學 同 電腦科學. 智能體 （intelligent agent）係 AI ei1 aai1 領域上嘅基本概念。 喺最 抽象化 嘅層面嚟講，一個智能體可以想像成一嚿具有以下部份嘅物體： 感知：感受外界 資訊 嘅能力，知道「世界而家係點嘅樣」，例如 眼 同 耳仔 等嘅 感官，可以睇吓 感應器 （sensor）嘅概念； 決策：某啲按感知到嘅資訊法則，例如「如果睇到有嘢食，就行埋去」，可以睇埋 條件陳述式 （if-then） [註 1]； 執行器 （actuator）：負責實際採取行動嘅部件，例如 手 同 腳 啲 肌肉 會做出適當嘅動作，等隻動物行埋嘢食嗰度；
- 概論
- 單變量模型
- 進階模型
- 應用
理論基礎
學習曲線定義上就係一種用嚟模擬學習（learning）現象嘅數學模型：學習喺認知科學（cognitive science）領域上被定義為一個個體吸收知識、技能同行為嘅過程，包括咗獲取新知識、新技能或者新行為，又可以係改變舊有嘅知識、技能同行為。 學習嘅現象無處不在－例子有喺教育上，學生會隨老師嘅教導而學到知識同技能，而佢哋嘅某啲行為指標理應會隨住學習有所變化，例如一個學生學木工，如果佢真係學到嘢，噉佢應該會愈嚟愈識做，而佢知識技能嘅增長理論上會反映喺「做一件木工作業嘅速度」同「做木工作業嗰陣嘅犯錯率」等嘅變數上－即係話呢啲數值會隨時間而變化，所以學習嘅現象可以抽象化噉當做一條表現指標（Y 軸）隨時間（X 軸）改變嘅曲線，呢種曲線就係所謂嘅學習曲線。
主要用途
除咗教育，學習曲線嘅概念仲喺以下領域上有用： 1. 策略管理（strategic management）：管理者喺思考一間公司嘅管理嗰陣，往往會想用數學模型估計間公司嘅各種數值，當中經驗學習曲線（experience curve）就係表達緊產量同經驗之間嘅關係；而事實係，學習曲線嘅概念就係源於管理學嘅；喺 1936 年，有美國嘅航空工程專家研究工人組裝飛機嗰陣嘅生產效率，由數據當中發現，組裝飛機嘅工人會愈做愈熟手，而隨住工人學習，組裝飛機嘅成本平均會下降 20% 左右－因為噉，管理學上就有咗噉嘅做法，簡單講係用過往數據估一條學習曲線，再用所有員工嘅學習曲線加埋，計算產量跟住落嚟嘅變化。 2. 遊戲設計（game design）：喺好多電子遊戲當中，玩家一開始都唔係咁熟隻遊戲要點玩，所以遊戲早期嘅關卡通常都會比較易，後期嘅關卡就會為咗迎合熟咗隻遊戲點玩嘅玩家而會難啲；因為噉，喺設計隻遊戲嘅難度變化嗰時，遊戲設計師有需要考慮玩家條學習曲線會係點樣，然後設計出唔係太易（太易會搞到玩家悶）又唔係太難（太難會搞到玩家冇癮），難度迎合玩家技術嘅關卡。 3. 人因工程（ergonomics）：...
歧義
學習曲線嘅正式學術定義係「表現隨時間變化嘅曲線」，不過一般日常英文當中「學習曲線」嘅意思可以有少少唔同：喺日常英文入面，「learning curve」好多時係指「表現需要隨時間變化嘅曲線」，例如英文入面話「steep learning curve」（險峻嘅學習曲線）通常係指某一樣工作嘅難度喺初期會提升得好快（例如一隻電子遊戲，設計到初期關卡嘅難度會快速提升），所以學習者焗住要喺初時學得好快。呢篇文當中使用嘅係學習曲線嘅正式定義。
自然底數模型
自然底數模型（exponential model）最基礎嗰條式如下： 1. y = C 1 x b e c x {\displaystyle y=C_{1}x^{b}e^{cx}} ；( 7 ) {\displaystyle (7)} 當中 c {\displaystyle c} 係一個特定嘅常數，其餘數值嘅定義同對數線性模型一樣。自然底數模型仲有以下呢啲版本： 1. y = k ( 1 − e − ( x + p ) / r ) {\displaystyle y=k(1-e^{{-(x+p)}/{r}})} ；( 8 ) {\displaystyle (8)} 喺 ( 8 ) {\displaystyle (8)} 當中，y {\displaystyle y} 係指個工人嘅表現，以「x {\displaystyle x} 單位工作時間之後嘅產出量」做單位量度（y ≥ 0 {\displaystyle y\geq 0} and x ≥ 0 {\displaystyle x\geq 0} ）；呢條式有三個參數， 1. k {\displaystyle k} 係學習過程後達到嘅最大產...
雙曲模型
雙曲模型（hyperbolic model）最基礎嗰條式如下： 1. y = k ( x x + r ) {\displaystyle y=k({\frac {x}{x+r}})} ；( 10 ) {\displaystyle (10)} 喺呢條式入面，k {\displaystyle k} 係表現嘅最大可能值，x {\displaystyle x} 係正確產品嘅數量，而 r {\displaystyle r} 反映要達到理想表現所需嘅時間，所以 y {\displaystyle y} 反映咗個工人完全做啱件工作嘅比率－隨住時間過去，x / ( x + r ) {\displaystyle x/(x+r)} 理應會愈嚟愈接近 1（100%），即係話個工人完全做啱件工作嘅比率愈嚟愈接近 k {\displaystyle k} 呢個最大可能值。 雙曲模型亦可以加個參數 p {\displaystyle p} 代表個工人嘅經驗（睇返 ( 2 ) {\displaystyle (2)} ）： 1. y = k ( x + p x + p + r ) {\displaystyle y=k(...
多變量模型
多變量模型（multivariate model）喺學習曲線研究上係指條曲線有多過一個自變數：單變量模型得一個自變數 x {\displaystyle x} ，而好似 B {\displaystyle B} 同 M {\displaystyle M} 等都係數值由數據嗰度估計嘅參數；一個多變量模型會用多過一個自變數嚟預測應變數（表現 y {\displaystyle y} ）嘅數值，基本嘅結構如下： 1. C x = K ∏ i = 1 n x i b i {\displaystyle C_{x}=K\prod _{i=1}^{n}{x_{i}}^{b_{i}}} ；( 12 ) {\displaystyle (12)} ，呢條式等同 2. C x = K ( x 1 b 1 × x 2 b 2 × x 3 b 3 × . . . x n b n ) {\displaystyle C_{x}=K({x_{1}}^{b_{1}}\times {x_{2}}^{b_{2}}\times {x_{3}}^{b_{3}}\times ...{x_{n}}^{b_{n}})} 。 一個簡單...
遺忘模型
遺忘模型（forgetting model）喺學習曲線研究上係指模擬遺忘過程嘅模型：人類嘅記憶系統具有遺忘功能，即係話會隨時間忘記一啲俾個系統評定為冇用嘅資訊同技能，所以好多時當個工人冇做嗰樣工作一段時間後，佢再做嗰樣工作嗰陣嘅表現會變到冇咁好；喺現實應用上，一個組織好少可會能夠永遠淨係做死同一樣工作，同一個員工可能會同時做幾樣工作，又或者係做某一樣工作期間因為人力資源上嘅需要而俾上頭安排去做第個崗位，做完先返去做佢原本個崗位（有一輪冇做原本嗰樣工作）。因為呢啲緣故，對學習曲線嘅研究就會考慮遺忘呢個因素，探討遺忘會點影響學習曲線嘅形狀。例如係以下嘅模型： 1. y = C 1 e − t / s {\displaystyle y=C_{1}e^{-t/s}} ；( 13 ) {\displaystyle (13)} 例：y {\displaystyle y} 係過咗 t {\displaystyle t} 咁多單位時間冇做之後，再做返原本嗰樣工作嗰陣嘅表現，C 1 {\displaystyle C_{1}} 係一個參數，s {\displaystyle s} 反映記憶嘅穩定性（s...
遊戲設計
遊戲設計（game design）係研究點樣設計遊戲嘅一個領域－包括圖板遊戲、紙牌遊戲以至電子遊戲等嘅設計冚唪唥都屬於遊戲設計嘅範疇。喺遊戲設計理論上有所謂嘅心流（psychological flow）概念，指出一隻遊戲如果要令玩家投入，其中一樣最重要嘅嘢係隻遊戲要切合玩家嘅技術：一般嚟講，一隻遊戲易得滯會搞到玩家悶，而難得滯就會搞到玩家冇癮；如果一隻遊戲難度永遠不變，隨住玩家玩得愈嚟愈熟手（學習），隻遊戲話咁快就會變得太容易，長遠嚟講難以令玩家持續投入，所以電子遊戲往往會愈玩愈難，例如單人遊戲入面後啲嘅關卡會難過前啲嗰啲，而 PvP 多人網上遊戲就往往會按玩家技術將玩家分級，並且俾玩家同技術相約嘅玩家對局。噉亦即係表示，遊戲設計師要考慮玩家會點樣隨時間玩到愈嚟愈熟手，並且用呢樣資訊思考隻遊戲嘅難度調控－有可能需要考慮玩家嘅學習曲線[註 1]。 對於難度曲線嘅設計，遊戲設計業界有多種做法： 1. 難度可以係線性（linear）噉上升，呢種做法一般會形成一個對玩家嚟講好容易預測嘅遊戲環境； 2. 難度又可以係波浪式（wave）噉上升，即係普遍上升但耐唔耐會突然噉有大起大落，例如係好...
機械學習
機械學習（machine learning，ML）係人工智能嘅一個子領域，專門研究點樣教電腦學習：機械學習演算法做嘅嘢係教電腦點樣運用讀取到嘅數據建立一個內部嘅數學模型，並且用個模型對未來作出預測；機械學習研究一般跟手就會用某啲指標量度個模型嘅表現，即係例如個程式用演算法同數據做完學習之後，睇吓個模型預測未來嗰陣有幾準。機械學習喺金融（用嚟教電腦預測股價）同醫療（用嚟教電腦做診斷）等領域上都相當有價值。 喺機械學習上，常見嘅做法好似下面嘅虛擬碼： 機械學習上嘅學習曲線（又有叫訓練曲線；training curve）一般做法係，搵某啲指標做「個機械學習程式表現有幾好」嘅指標，例如係「個程式預測未來嗰陣，佢做嘅預測同實際數值之間嘅差距」（呢個數值係愈細愈理想），然後用呢啲指標做 Y 軸，總共讀取咗嘅個案數量做 X 軸。喺理想嘅情況下，隨住個機械學習程式見過愈嚟愈多嘅個案，佢會變到愈嚟愈叻擅長做預測，表現指標值會慢慢噉接近理想數值。如果條訓練曲線會慢慢趨近一個特定數值 C {\displaystyle C} ，y {\displaystyle y} → C {\displaystyle...
在線機械學習 （ 英文 ： online machine learning ）喺 機械學習 上係指喺一段時間之內俾個學習程式係噉由外界攞輸入，再不斷自我更新。 基礎. 當 （ 數據庫 入面嘅個案數量）數值偏向極大嗰陣，一個研究者冇咁易有嗮數據喺手頭上，好多時會靠在線機械學習－指喺一段時間之內俾個神經網絡係噉由外界攞輸入 [1] ，例如喺整一個用嚟預測股價嘅在線神經網絡嗰陣，可以俾個神經網絡（例如）日日睇一次隻 股票 嘅價格（個網絡要有演算法令佢曉接駁去啲網上嘅數據庫，並且攞啲數據做自己輸入），每次睇完，都要個神經網絡估吓隻股票聽日係乜嘢價格，跟手聽日睇吓個真實價格同個神經網絡嘅估計差幾遠，再計返個誤差值出嚟同埋用呢個數值改變個神經網絡啲權重，等佢第日可以做到更加準嘅預測。
主動學習 （active learning）喺 教育學 上係廿世紀尾開始興嘅一種 學習 方法。. 主動學習分好多種，但共通點係喺教學過程當中由學生做主導，例如係喺教書途中停低俾啲學生做寫作練習、分組討論、俾啲學生自我評估、喺 實驗室 做 實驗 、以及係課堂上嘅 辯論 ...
