人工智慧與機器學習

AI 代理工程綜合課程 — 從 Python 和 ML 基礎、NLP 和 LLM（LLaMA、Mistral、Qwen、Phi）、帶有向量資料庫的 RAG（FAISS、Milvus、Pinecone），到使用 LangChain、LlamaIndex、CrewAI、LangGraph 建立 AI 代理系統。練習微調、快速工程、工具呼叫、多重代理。在 AWS/Azure/GCP 上使用 FastAPI、Docker、微服務、MLOps、CI/CD 部署生產。完全滿足領先科技公司的AI/ML工程師招募要求。

在 Apple Silicon 上使用 Gemma 4 建構本地 AI 技術棧的實戰系列。涵蓋 Ollama 設定、API 整合、RAG 管線、混合檢索，到內部環境的可觀測性與安全強化。

初學者的機器學習路線圖從零開始，遵循易於理解的方法：直覺第一，程式碼第二，數學就夠了。課程從環境設定、第一個模型、正確評估、過度擬合/資料外洩預防，到常見模型（線性、邏輯、樹、XGBoost）、無監督、時間序列和生產部署。每組課程都有迷你項目、現實生活中的挑戰和清晰的輸出清單。

使用 Ollama 和 MLX 在 Mac Apple Silicon (M1/M2/M3/M4) 上本地運行 LLM 的綜合指南。從初始安裝到使用 MLX 框架進行 3 倍加速、管理多個模型、將 API 整合到應用程式以及優化 GPU/RAM 效能。全部親自動手，隱私第一，無需網路。

關於醫療保健領域人工智慧的綜合課程——從使用 CNN 進行醫學成像、用於醫療記錄的 NLP、使用 GNN 進行藥物發現，到實施符合 HIPAA/FDA 要求的人工智慧。使用 Python、PyTorch、Hugging Face 和標準醫學資料集（例如 MIMIC、CheXpert、PubMed）進行練習。

關於影像和視訊生成人工智慧的綜合課程——從 GAN、VAE 平台到穩定擴散、DALL-E、Midjourney API。使用 Python、Hugging Face Diffusers 和 ComfyUI 練習影像生成、修復、風格轉換、影片生成，並建立可用於生產的生成式 AI 管道。

關於推薦系統的綜合課程 - 從協作過濾、基於內容、矩陣分解到具有兩塔、圖神經網路、序列模型的深度學習 RecSys。實作使用 Python、PyTorch、LightFM，並部署可用於生產的推薦引擎。

多模態人工智慧綜合課程－從視覺語言模型（CLIP、LLaVA）、視覺問答、影像字幕到文件人工智慧、影片理解。使用 Python、PyTorch、Hugging Face Transformers 以及 GPT-4V、Gemini、LLaVA 等最先進的模型進行練習。

自然語言處理 (NLP) 綜合課程 — 從標記化平台、字詞嵌入到 Transformer 架構、BERT、GPT。練習文字分類、NER、情緒分析、機器翻譯、問答，並使用 Python、Hugging Face 和 spaCy 建立可用於生產的 NLP 管道。

全面的密集學習課程－從 MDP、Q-Learning 到具有 DQN、策略梯度、PPO、SAC 的深度 RL 平台。練習遊戲 AI、機器人模擬、LLM 的 RLHF，並使用 Python、Gymnasium、Stable-Baselines3 部署可用於生產的 RL 代理程式。

全面的語音和音訊人工智慧課程——從音訊訊號處理、帶有 Whisper 的語音識別 (ASR)、帶有 VITS 的文字轉語音 (TTS)、語音克隆、說話者驗證到音樂 AI。使用 Python、PyTorch、Hugging Face、librosa 和最先進的模型進行練習。

關於時間序列 AI 的綜合課程 — 從統計方法（ARIMA、ETS）、機器學習（XGBoost、LightGBM）到深度學習（LSTM、Transformer、TimesFM）。預測、異常檢測、分類的應用。使用 Python、statsmodels、scikit-learn、PyTorch 和專用框架進行練習。

該系列為時尚和按需印刷平台構建了完整的人工智慧系統——從人工智慧設計生成（穩定擴散、ControlNet）、自然語言人工智慧編輯、個人化系統、電腦視覺虛擬試穿，到列印檔案優化和人工智慧產品生成。每篇文章都是一個獨立的AI模組，可以部署在生產中。

使用 TypeScript 建立完整 AI 代理平台的實作系列 — 從 monorepo 設計、LLM 路由器、工具註冊表、RAG 管道、工作流引擎、多租戶 RBAC 到部署 Docker 生產。透過 xClaw 的實際原始碼進行學習 - 一個在生產中運行的開源平台。

電腦視覺實用課程 — 從 CNN、目標偵測 (YOLO)、影像分割 (SAM) 到視覺轉換器和多模態 AI。親身實踐 PyTorch、Ultralytics YOLO、Hugging Face。使用 TensorRT 和 ONNX 將 CV 模型部署到生產環境。

關於 MLOps 和 LLMOps 的深入課程 — 將 AI 模型從原型安全有效地引入生產的藝術。從實驗追蹤、ML 的 CI/CD，到 LLM 可觀察性、成本優化、護欄和合規性。人工智慧領域薪酬最高的技能。

關於提示工程的綜合課程——從編寫基本提示到思想鏈、思想樹、多模式提示以及建立用於生產的提示庫。 AI時代最必備的技能，立即適用於ChatGPT、Claude、Gemini。

關於檢索增強生成 (RAG) 的深入課程 - 將法學碩士與您自己的數據連接起來的技術。從基本 RAG 到 Graph RAG、Agentic RAG、Multimodal RAG。實踐 ChromaDB、Qdrant、LangChain、LlamaIndex。將“Chat with Documents”部署到生產環境。

關於微調大型語言模型的綜合課程 - 何時微調、資料準備、在 Google Gemini/Vertex AI、OpenAI 和開源 (LoRA/QLoRA) 上進行微調。比較微調與 RAG、模型評估方法和生產部署。計算實際成本。

關於建立人工智慧代理的實用課程——從簡單的聊天機器人到複雜的多代理系統。精通函數呼叫、工具使用、RAG、MCP、LangGraph、CrewAI 以及將 Agent 部署到生產中。每節課都使用 Python 進行實踐編碼。

關於人工智慧和大型語言模型的綜合課程 - 從神經網路平台、Transformer 架構到微調、RAG、AI 代理和生產部署。學習 Python、PyTorch 和 LLM API 的實作。