104學習

深度學習

深度學習
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
深度學習是人工智慧領域中的一種技術,透過多層神經網路模擬人腦運作,讓電腦能自動從大量資料中學習並提取特徵。這項技能在資料分析、影像辨識、自然語言處理等方面應用廣泛,能提升企業決策效率與創新能力。具備這項能力的專業人才,能協助企業開發智能系統,優化流程,增加競爭力,在職場上需求持續攀升。掌握此技能代表具備前瞻性技術視野,對轉型數位產業極具價值。
關於教室
關注人數 167 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 167 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

深度學習 學習推薦

詹翔霖

商學院兼任副教授

06/04 19:43

0 0 104 0
詹翔霖

商學院兼任副教授

06/01 23:21

第一性原理讓人看見本質,系統思考,則讓人理解現實
第一性原理讓人看見本質,系統思考,則讓人理解現實
不只是看見世界,而是看見世界為什麼會變成現在的樣子
有些人看見問題,有些人看見答案。
但真正改變世界的人,往往看見的是問題背後的結構。
辦公室裡多數企業仍在討論:
• 如何提升效率
• 如何降低成本
• 如何增加營收
然而,少數頂尖決策者思考的,卻是另一件事:「我們是否從一開始,就問錯了問題?」這種能力,叫做第一性原理。
而當第一性原理,遇上系統思考,便形成了一種足以重塑產業、改變時代的思維力量。
從 Elon Musk、Jensen Huang,到台灣經營之神 王永慶,他們的成功或許橫跨不同產業,卻共享著相同的精神:不輕易接受世界原本的樣子。
一切理所當然,都是最危險的開始
人類的大腦,天生喜歡捷徑。
我們習慣複製成功案例,遵循產業規則,依賴過去經驗。久而久之,那些被重複最多次的事情,便被視為「理所當然」。
於是我們開始相信:
• 火箭本來就應該昂貴
• AI 晶片只是電腦零件
• 工廠管理只能依賴層層監督
• 大企業必然充滿冗長會議
直到少數人開始不安於答案,而執著於提問。
王永慶 曾經有一個著名的管理習慣:
凡事,多問幾個「為什麼」。
設備故障了,為什麼?
效率下降了,為什麼?
成本提高了,為什麼?
不是問一次,而是一路往下追。
因為他知道,第一個答案通常只是表面;第二個答案可能是習慣;而真正的原因,往往藏在第三層以下。
這不只是管理方法,更是一種對世界的懷疑精神。
真正厲害的人,都在拆解世界
所謂第一性原理,並不是高深理論。
它更像是一種近乎固執的追根究底。
當整個航太產業都認為火箭昂貴是無法改變的事實時,Elon Musk•馬斯克問的不是:「如何買到更便宜的火箭?」
而是:「火箭為什麼會這麼貴?」
於是他一路拆解:
• 材料成本是多少?
• 哪些是真正的物理限制?
• 哪些只是產業慣性?
• 為什麼火箭只能用一次?
當問題被拆到底層時,原本看似不可動搖的規則,開始出現裂縫。
於是,SpaceX 誕生了火箭回收。
不是因為技術突然出現奇蹟,而是因為有人拒絕接受「本來就應該如此」。
但世界從來不是單一道理構成的
第一性原理讓人看見本質,系統思考,則讓人理解現實。
因為世界並不是一台線性機器,它更像一片森林。
陽光、水分、土壤、昆蟲、氣候,看似無關的事物,彼此牽動,互相影響,改變其中一處,整體系統便開始產生連鎖反應。
這也是為什麼:很多正確的理論,最後失敗;很多有效率的制度,反而摧毀創造力。
而 Jensen Huang 黃仁勳的厲害,正是在於他比別人更早看見:
AI 的競爭,從來不是晶片競爭,而是生態系統競爭。
所以 NVIDIA 做的,不只是 GPU。
它建立:
• CUDA 平台
• 開發工具
• 學術合作
• 開發者社群
• AI 生態
因為黃仁勳理解:真正強大的企業,不只是擁有產品,而是建立一個會自我增強的系統。
當越多人使用 NVIDIA:
→ 更多工具被開發
→ 更多工程師投入
→ 更多企業採用
→ 更多 AI 模型依賴 NVIDIA
於是優勢開始自我循環,這不是單點勝利,而是系統勝利。
所有偉大的管理,本質上都是對結構的理解
許多企業管理者,總把慣把問題歸咎於「人」。
員工不夠努力、團隊執行力不足、年輕人抗壓性變差。
但真正高階的管理者知道:很多問題,其實不是人的問題,而是系統的問題。
錯誤的 KPI,會扭曲行為;失衡的激勵,會摧毀合作;過度的流程,會殺死創新。
於是我們才終於理解,為何王永慶一再強調追根究底。
因為真正重要的,不是處理症狀,而是找到根因。
AI 時代,最珍貴的能力,將是「看見本質」
未來,AI 會讓知識變得廉價,很多答案,幾秒鐘就能得到。
但也因此,人與人真正的差距,將不再只是資訊量,而是:
• 能否看見問題本質
• 能否理解系統結構
• 能否分辨真正限制
• 能否提出對的問題
這世界從不缺答案,真正稀缺的,始終是:穿透表象的能力。
從王永慶的「三個為什麼」,到 Elon Musk 的第一性原理,再到 Jensen Huang 的系統布局,他們其實都在做同一件事:不只是看見世界,而是看見世界為什麼會變成現在的樣子。
看更多
0 0 112 0

104學習精選課程

看更多課程
想提升職場競爭力?專業技能課程看起來👇
104學習

產品

05/21 14:33

政府說你要會這些,才算「有AI能力」從素養到開發,5大能力類型一次看懂
數位發展部在2026年5月正式發布「AI產業人才認定指引3.0」,這是台灣官方對AI人才能力的最新定義標準,不管你是想轉職、想升職,還是想知道自己跟市場差多少,這份指引就是你的對照表,看完這篇你就知道自己現在站在哪,下一步該補什麼。
❇️【政府把AI人才分三類,你是哪一種?】
指引把AI人才分成三大類別:
• AI應用人才:用AI工具提升工作效率、創造價值,不需要寫程式。適合各行各業在職者,包含行銷、業務、行政、人資等。
• AI開發人才:用技術把AI做出來,包含ML工程師、LLM工程師、資料科學家等技術職務。
• AI研究人才:做AI底層研究、發論文、推進技術邊界,通常需要碩博士背景。
大多數在職者和求職者,其實落在AI應用人才這一塊,不需要寫程式,但要真的會用、懂AI。
❇️【3.0版新增了什麼?兩件大事】
• 新增「AI治理素養」:因應今年1月上路的《人工智慧基本法》,你要知道AI的風險在哪、什麼不能做、資料輸入有什麼限制,不只是技術問題,而是每個用AI的人都該具備的基本意識。
• 新增「AI協作與開發」:Vibe Coding、Agentic AI已經是現在進行式,AI不再只是輔助工具,而是你的工作夥伴,這項能力要求你能用自然語言指揮AI完成任務、設計工作流程。
❇️【先搞清楚自己的AI能力在哪裡】
很多人以為「AI能力 = 會用ChatGPT」,但企業真正在意的其實是三件事:
• AI工具應用:能不能選對工具、解決實際問題
• AI判斷能力:能不能判斷AI輸出的內容、做出決策
• AI工作解決力:能不能整合應用、真正創造價值
會問問題、會做摘要、會生圖,只是起點,不是終點,未來比的不是誰會AI,而是誰真的能跟AI協作。
不確定自己現在落在哪個位置?可以先做一個快速檢測,104 AI通用素養檢測只要幾分鐘,就能找出你的能力落點,測驗通過還能回傳到104履歷,讓企業主動找到你。
👉立即測試AI通用素養
❇️【你缺哪塊能力?5大類型對照學習】
指引把AI能力分成五大類型,以下是重點整理:
1️⃣ AI應用素養(No-code) 了解AI基本原理、道德倫理、應用限制與風險辨識,新增AI治理素養,重點在於風險判斷與合規意識
▶ 商業應用技能 1-1 生成式 AI 如何顛覆您的工作模式:
▶ iPAS AI應用規劃師衝刺班:
▶ 生成式 AI 能力課程:
2️⃣ AI工具應用(No-code) 會用ChatGPT、Midjourney、Runway、ElevenLabs等工具完成文書、圖文、影像、音源、自動化等實際任務,並能整合進工作流程
▶ ChatGPT 實戰應用-讓AI成為你的超級助手:
▶ AI行政管理力實戰課|高效會議記錄 × 精準SOP × 掌握AI工具:
▶ n8n自動化工作術:
3️⃣ AI程式語言應用(Low-code) 能用自然語言指導AI協作撰寫程式、使用GitHub Copilot、Cursor等工具,設計AI Agent工作流程,不需精通語法,但要懂邏輯與除錯
▶ 文組人一定要會的 Vibe Coding:
▶ AI助理GitHub Copilot | 提升前端開發效率:
▶ AI Agent 零基礎打造個人工作流:
4️⃣ AI模型訓練(Pro-code) 使用TensorFlow、PyTorch等框架訓練AI模型,涵蓋機器學習、強化學習、fine-tuning與RAG等進階技術
▶ 技術開發技能1-9 如何利用 AWS 儲存服務加速生成式 AI 與機器學習訓練:
▶ PyTorch生成模型全解析:
▶ AI資料科學家全方位課程:
5️⃣ AI服務開發(Pro-code) 整合NLP、LLM、CV等技術開發完整AI應用服務,包含模型部署、API串接與系統整合
▶ 自然語言處理與大型語言模型:
❇️【對應這份指引,哪些證照值得考?】
指引中明確列出推薦認證,以下是與一般在職者、求職者最相關的幾張:
一、 素養類
1. iPAS AI應用規劃師 初級(經濟部)
• 特色:國家級認證,證書永久有效。考試範圍包含人工智慧概論與生成式AI應用兩科,考題靈活且重視實際應用,且難度隨梯次逐漸加深的趨勢。
• 建議備考時間:4-8週
• 證照資訊:
2. 生成式AI能力認證(資策會)
• 特色:有明確的考試範圍與備考內容,證書兩年有效,通過率幾乎都有80%以上。
• 建議備考時間:3-6週
• 證照資訊:
二、 工具類
1. iPAS AI應用規劃師 中級(經濟部)
• 特色:國家級認證,證書永久有效。考試範圍包括人工智慧技術應用,以及大數據處理分析與應用、機器學習技術與應用兩科目擇一,適合已有AI相關技術開發經驗,以及參與過企業AI應用專案相關技術背景人士。
• 建議備考時間:6-12週
• 證照資訊:
2. 生成式AI美術設計能力 初級/中級(資策會)
• 特色:測驗分成學科與術科,術科分數會加權60%,測驗範圍以生成式AI基礎知識,以及AI繪圖、圖片影片生成相關實務操作為主,需擅長各種AI生成工具因應術科題目,適合設計師、社群經營與內容行銷人員,證書有效期兩年。
• 建議備考時間:3-8週
• 網址:
 (生成式 AI 美術設計能力初級)、
 (生成式 AI 美術設計能力中級)
三、 專案類
1. TQC+ 人工智慧:機器學習(電腦技能基金會)
• 特色:以術科考題重視程式技術與模型實作,適合已有Python基礎並具備機器學習相關實作經驗者,是一張具AI實務鑑別度的證照。
• 建議備考時間:6-12週
• 網址:
完整認證資源請參考:
看更多
0 0 1319 3
你可能感興趣的教室