104學習

演算法開發

演算法開發
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
這項技能指的是設計、優化並實作解決特定問題的步驟或規則,目標是提升系統效率與準確度。在職場中,具備此能力能幫助企業處理大量資料、改善產品功能或自動化流程,進而提升競爭力。此技能結合數學、程式設計和邏輯思考,對於從事軟體開發、大數據分析、人工智慧等領域尤為重要。掌握這項能力代表能從複雜問題中找出最佳解法,並有效應用於實際工作中。
關於教室
關注人數 0 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 0 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

演算法開發 學習推薦

陳立婕

產品行銷專案經理

2024/03/20

104 x GOLF實習專區上線!完課有機會獲得優先面試機會
大三大四生照過來📣104 x GOLF實習專區正式開張!
合作企業包含:緯創、仁寶、友達、志聖、工研院、國泰金控、力成、均豪精密等,超過 100 個實習職缺等你來探索👀
GOLF (Gap of Learning Field) 學用接軌聯盟
是由友達光電、仁寶電腦、緯創資通,三大企業聯合發起號召成立,
⭐大專院校學生線上完成企業指定課程或學程修習,
投履歷時附上完課截圖,就有機會優先取得面試機會⭐
⬇️小編同步整理企業職缺,心動不如馬上應徵職缺⬇️
均豪精密工業 💼 https://students104.pse.is/5q5kzl
【提醒】完成指定線上課程,就有機會獲得優先面試機會唷!
看更多
0 0 2798 0
碁峰資訊GOTOP

小編

2023/07/03

圖解演算法原理
堅實的基礎知識「實用」的工具書
需要懂得因應場景選擇適當的演算法,才能夠建立有效率的程式。即便獲得的成果相同,但使用的演算法會讓處理效率大不相同。不過對演算法抱持著「看不出有什麼差異」「好複雜好像很難」排斥心態的學習者想必是大有人在。因此,本書中的每個主題皆是以跨頁,並搭配圖解的講解方式幫助讀者從零開始學習演算法的基礎知識。
書籍完整資訊:https://bit.ly/3XG2G8z
看更多
1 0 335 0

熱門精選

104學習

產品

6小時前

2026 年 Prompting 怎麼學?AI大神吳恩達推出免費新課給一般人的 AI 使用指南
AI 工具越來越強,提示詞也不再只是「請幫我寫一段文案」這麼簡單。AI 教育者吳恩達(Andrew Ng)近期推出新課程《AI Prompting for Everyone》,主打不需要技術背景,幫助一般使用者學會更有效地使用 ChatGPT、Claude、Gemini 等 AI 工具。DeepLearning.AI 課程頁顯示,這是一門初學者課程,共 3 小時 4 分鐘、21 堂影片課,由吳恩達授課。官方學習頁也標示可免費開始學習、觀看課程影片;若需要 graded assignments 與證書,則屬於 PRO 方案。
吳恩達是誰?為什麼他的新課值得關注?
吳恩達是全球知名的 AI 教育者與機器學習專家。他是 DeepLearning.AI 創辦人、Coursera 共同創辦人,也曾擔任百度首席科學家,並曾創辦與領導 Google Brain 專案,目前也是史丹佛大學兼任教授。
對非工程背景的上班族來說,吳恩達最重要的影響,是他長期把 AI 知識轉化成大眾可以理解、可以上手的學習內容。從早期的機器學習課程,到《AI For Everyone》,再到這次的《AI Prompting for Everyone》,他的課程常被視為 AI 學習趨勢的風向球。
這門課在教什麼?不是背 Prompt,而是學會和 AI 協作
《AI Prompting for Everyone》的核心,不只是教你寫出更漂亮的提示詞,而是教你在不同工作情境中,如何讓 AI 產出更可靠、更有用的結果。官方課程頁將學習重點分成三大方向:找資訊、腦力激盪與寫作、創作與建構。
第一個重點是 Finding Information,也就是用 AI 找資料。課程會說明 AI 模型本身已經知道什麼、什麼時候應該使用 AI 網路搜尋、什麼情境適合使用 deep research mode,以及如何取得更準確、有來源的回答。
這對上班族非常實用。無論是做市場資料整理、競品分析、產業趨勢觀察,或準備會議前的背景研究,AI 不只是回答問題的工具,更可以協助快速建立資料架構。但前提是使用者要懂得要求來源、設定範圍,也要知道哪些資訊需要再查證。
第二個重點是 AI as a Thought Partner,也就是把 AI 當成思考夥伴。課程會教使用者如何提供正確上下文,讓 AI 理解真正需求;也會談到如何讓 AI 提供誠實回饋,而不是只迎合使用者。官方課綱中也列出 brainstorming、context、reasoning、sycophancy、writing with AI、AI critique 等單元。
這代表未來職場的 AI 能力,不只是「會叫 AI 寫東西」,而是能不能請 AI 幫忙檢查盲點、提出反方觀點、改善表達方式,甚至協助自己做更完整的決策思考。
第三個重點是 Working with Multimedia and Code。課程會介紹如何在提示中使用圖片、讓 AI 理解圖片、生成視覺內容,並使用 AI 建立簡單遊戲、網站與 App;官方也特別說明,這部分不需要程式經驗。
這也反映 AI 工具的使用場景正在擴大。過去上班族多半把 AI 用在寫信、摘要、翻譯、整理資料;但未來,AI 也可能協助做簡報素材、產出視覺概念、分析資料,甚至建立可展示的簡易 prototype。
誰適合上這門課?
官方課程頁指出,這門課適合任何在日常工作或生活中使用 ChatGPT、Claude、Gemini 等 AI 工具,並希望獲得更好結果的人,不需要技術背景,也沒有必修前置課程。
換句話說,這門課很適合以下幾類上班族:經常需要查資料的企劃、行銷、編輯、研究人員;需要寫報告、簡報、Email 的一般辦公室工作者;想把 AI 帶進工作流程的主管;以及想開始學 AI、但不想一開始就碰程式的人。
對職場工作者的啟示:提示力已經變成基本功
這門課最值得注意的訊號是:AI 提示力正在從「技巧」變成「基本工作能力」。
過去,很多人學 AI 會先找提示詞模板,例如「請扮演某某角色」、「請一步一步思考」、「請用表格整理」。這些技巧仍然有用,但已經不夠。真正會用 AI 的人,還要知道如何提供背景資料、設定輸出格式、要求資料來源、讓 AI 挑戰自己的想法,並判斷哪些內容可以採用、哪些內容必須查證。
也就是說,未來職場上的 AI 能力,不是誰背了最多 prompt,而是誰更會設計任務、拆解問題、提供上下文,並把 AI 產出整合成真正能交付的工作成果。
有興趣的讀者可至 DeepLearning.AI 官方課程頁開始學習:《AI Prompting for Everyone》。
課程影片可免費開始觀看;若想取得作業評分與證書,需留意官方 PRO 方案說明。
DeepLearning.AI《AI Prompting for Everyone》
看更多
0 0 319 0
Michelle

Editor

2023/03/14

【書籍推薦】白話演算法! 培養程式設計的邏輯思考
~自學演算法必備的第一本書~
~想重溫演算法的程式設計師、工程師必讀!~
坊間的演算法書籍一本比一本厚重,裡面全是些看再多遍也看不懂的理論及數學證明,還有一堆沒註解的程式碼,光是翻幾頁就讓人哈欠連連,而且有些概念很抽象,更是無法透過文字敘述就能理解。
本書作者一開始也無法跨越演算法這堵高牆,直到遇見優秀的演算法教授後,才發現原來演算法一點都不無聊,而且還相當有趣!於是他想到可以透過生活化的範例做引導,避免無聊又複雜的敘述,讓初學者能像閱讀小說般地學會演算法概念。同時透過習題及多種解釋方法,讓你檢視自己的理解是否有誤,並確認是否已經瞭解所學的內容。
書中的內容全是精心挑選過,且用生動有趣的手繪圖來輔助理解,這些全是程式設計師在工作上會用到的演算法,希望本書能幫你奠定良好的基礎,以便將來學習更進階的演算法。
【本書含括】
二元搜尋法/Big O notation/遞迴/戴克斯特拉演算法/選擇排序法/貪婪演算法/動態規劃演算法/快速排序法/雜湊表/K 最近鄰演算法/廣度優先搜尋法/樹狀結構/反向索引/傅立葉轉換/平行演算法/分散式演算法/SHA 演算法/迪菲赫爾曼金鑰交換/線性規劃、……等。
【好評推薦】
* 趙坤茂 臺灣大學資訊工程學系教授
* 韓永楷 清華大學資工系教授 / 電資院學士班班主任
* 謝孫源 成功大學資訊工程系講座教授/成大研究發展基金會執行長
* 凱心琳 「Untyped 對啊我是工程師」YouTuber
* 台南女中資訊研究社
* 台南二中資訊研究社
【本書特色】
★連續三年 Amazon五星推薦!
★授權多國版權,最受好評的演算法書籍!
□ 即使沒有理工背景的人也能看懂!
□ 透過生活化的範例,學會拆解複雜問題的方法。
□ 培養寫程式的邏輯思考力。
□ 書中所附的 Python 程式碼皆加上註解說明。
□ 提供網路下載 Python、C、C++、Java、……等多種語言的程式碼。
□ 採用 400 餘張插圖,讓生硬的演算法變有趣,複雜的原理一看就懂。
□ 比較不同演算法的效能,幫助您挑選最適用的演算法來解決問題。
□ 獨家解析「為什麼雜湊表是 O(1) 時間」、「陣列的讀取速度為什麼很快?」
看更多
1 0 4175 0
你可能感興趣的教室