104學習

硬體

硬體
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
指與實體設備相關的專業知識與操作能力,包含電腦組裝、維修、故障排除、網路設備設定等。具備此技能能讓你有效管理與維護工作所需的機器設備,確保系統穩定運作,提升工作效率。對於IT、電子製造或維修產業特別重要,有助於解決硬體故障,減少停機時間,並支援軟體系統順利運行。具備這項能力,能增加職場競爭力,拓展職涯發展空間。
關於教室
關注人數 229 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 229 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

硬體 學習推薦

知識貓星球

喵星人

2024/08/06

軟硬體PM(產品經理)工作內容大不同!從技能面到挑戰一次了解
硬體產品經理(硬體PM)和軟體產品經理(軟體PM)的角色雖然在許多方面相似,但在技能需求、工作重點和挑戰方面有一些顯著的區別:
【技能需求】
1. 技術背景:
- 硬體PM:需要具備電路設計、機械工程、製造工藝等方面的知識,理解硬體設計與生產流程。
- 軟體PM:需要熟悉軟體開發生命周期、編程語言、數據庫、API設計等技術,理解軟體架構和開發工具。
2. 專案管理:
- 硬體PM:涉及更多的實體生產環節,包括供應鏈管理、質量控制和生產計劃,項目周期較長。
- 軟體PM:通常專注於軟體的敏捷開發和迭代發布,項目周期較短,更注重快速反饋和持續改進。
【工作重點】
1. 產品開發:
- 硬體PM:需要確保硬體產品的物理設計和性能符合規範,處理硬體設計、原型製作、測試和量產等階段。
- 軟體PM:重點在於軟體功能的設計和實現,包括用戶體驗設計、功能開發、測試和部署等階段。
2. 產品更新:
- 硬體PM:硬體產品的更新較為困難,需要更長的設計和製造周期,一旦產品推出後,進行修改和更新的成本較高。
- 軟體PM:軟體更新相對容易,可以通過持續的軟體迭代來進行功能改進和修復錯誤。
【挑戰】
1. 開發周期:
- 硬體PM:硬體開發通常涉及更長的周期,需要考慮到供應鏈、製造和物流等多方面的挑戰。
- 軟體PM:軟體開發周期較短,可以快速迭代,但需要處理頻繁的需求變更和技術挑戰。
2. 成本管理:
- 硬體PM:硬體產品的開發和生產成本較高,必須嚴格控制成本以確保產品的市場競爭力。
- 軟體PM:軟體開發成本相對較低,但需要投入大量資源進行測試和維護。
【市場與用戶互動】
1. 硬體PM:需要更多地關注產品的實體屬性和可靠性,確保產品在不同使用環境下的穩定性和耐用性。
2. 軟體PM:更多地關注用戶界面和交互設計,確保軟體的易用性和功能性滿足用戶需求。
這些差異決定了硬體PM和軟體PM在工作中需要面對不同的挑戰和機會,因此他們在技術背景、專案管理、產品開發和市場互動等方面有著不同的側重點和專業
看更多
1 0 2221 1
知識貓星球

喵星人

2024/08/05

小模型 AI 時代來臨:Google 推出開源模型 Gemma 2|輕量級模型的新標杆,性能超越 GPT-3.5
近期,Google 推出了他們的最新 AI 模型——Gemma 2,這是一款輕量級模型,但其性能卻超越了許多大型模型。本文將詳細介紹 Gemma 2 的功能與優勢,並探討它如何在效能和安全性上都表現出色。
▍Google Gemma 2 是什麼?
Gemma 2 是 Google 最新推出的 AI 模型,雖然它的參數只有 2B,但在 LMSYS Arena 的測試中,得分高達 1126,表現優異。這款模型的推出,標誌著輕量級 AI 模型在效能和安全性方面的新標杆。
▍Google Gemma 2 的功能
Gemma 2 不僅僅是性能強大,它還具備多種創新的功能,使其在同類型模型中脫穎而出。以下是 Gemma 2 的主要功能:
● 卓越效能:Gemma 2 在 LMSYS Chatbot Arena 的排名中表現突出,超越了 GPT-3.5 和 Mixtral 8x7B 等大型模型,展示了其在對話 AI 方面的優越能力。
● 內建安全措施:Gemma 2 配備了 ShieldGemma 安全套件,可以有效減少仇恨言論、騷擾和其他不當內容的生成,確保 AI 模型的輸出更加安全、合規。
● 靈活部署:Gemma 2 可在多種硬體上高效運行,從邊緣設備到雲端部署皆適用,並且已經過 NVIDIA TensorRT-LLM 庫的優化,確保在各種設備上的高效能。
▍Google Gemma 2 的安全性
在當今 AI 技術飛速發展的背景下,安全性變得尤為重要。Google 為 Gemma 2 配備了先進的安全分類器 ShieldGemma,專門針對仇恨言論、騷擾、色情內容和危險內容進行過濾,確保用戶在使用 AI 模型時的安全性。
▍Google Gemma 2 需要付費嗎?
Gemma 2 是一款開源模型,Google 免費開放給全球開發者使用。無論是學術研究還是商業應用,都可以免費獲取和使用 Gemma 2 的模型權重。開發者可以從 Kaggle、Hugging Face、Vertex AI Model Garden 等平台下載 Gemma 2 的模型權重,並在 Google AI Studio 上嘗試其功能。
然而,雖然模型本身是免費的,但如果你想在更高效能的硬體上運行,可能需要支付相關的硬體費用。例如,如果你使用 NVIDIA RTX、NVIDIA GeForce RTX GPUs 或 NVIDIA Jetson 模組等進行部署,這些硬體的成本需要自行承擔。另外,某些雲端服務,如 Google Colab 的免費層級可能有運算資源的限制,若需更多資源,可能需要升級到付費方案。
▍AI 小模型的大智慧
Gemma 2 雖然是一款小模型,但其智慧和效能卻絲毫不遜色於大型模型。這得益於其優化的模型結構和高效的學習能力。通過學習大型模型的知識,Gemma 2 能夠在較小的參數下實現卓越的性能,這對於需要高效運行的應用場景尤為重要。
Google 的 Gemma 2 模型展示了輕量級 AI 模型在效能和安全性方面的巨大潛力。無論是在學術研究還是商業應用中,Gemma 2 都為開發者提供了一個強大且靈活的工具。隨著技術的不斷進步,我們期待更多像 Gemma 2 這樣的創新模型,為 AI 技術的發展帶來更多可能。
➤ 歡迎在104學習精靈關注【AI趨勢報-科技愛好者的產地】獲得更多科技新知!
看更多
0 0 674 0

熱門精選

104學習

產品

04/28 09:00

新手如何用 AI 整理會議紀錄?線上會議、實體會議一次看懂
開會時一邊聽、一邊記、一邊思考,常常會遇到幾個問題:重點來不及抄、決議沒寫清楚、待辦事項散落在聊天訊息或腦袋裡。現在,只要善用手機錄音、會議逐字稿與常見 AI 工具,新手也能更快整理出一份清楚、可追蹤的會議紀錄。
不過,AI 不是幫你「完全取代紀錄」,而是協助你加快整理流程。正式發送前,仍然需要人工確認人名、日期、金額、負責人、截止日與會議決議。
本文將分成「線上會議」與「實體會議」兩種情境,教你用手邊常見工具,搭配 ChatGPT、Claude、Gemini、NotebookLM 等 AI 工具,整理出適合交給主管、團隊或客戶追蹤的會議紀錄。
使用 AI 前,先確認 3 件事
在開始錄音、轉錄或把內容交給 AI 前,請先確認:
第一,會議是否允許錄音、錄影或轉錄。建議事前告知與會者錄音目的、使用範圍與保存方式。
第二,會議內容是否包含敏感資料。如果涉及客戶資料、個人資料、薪資、人事、財務、商業機密或未公開策略,不建議自行上傳到外部 AI 工具,應優先使用公司核准的平台。
第三,AI 產出只能作為初稿。AI 可能聽錯、漏掉脈絡,或把「討論中的想法」誤寫成「已決定事項」,正式使用前一定要人工檢查。
台灣《個人資料保護法》對個人資料的蒐集、處理與利用,強調應尊重當事人權益,不得逾越特定目的的必要範圍,並應與蒐集目的有正當合理關聯;本文為一般工作效率教學,不構成法律意見,實際使用仍應依公司規範與相關法規辦理。
AI 可以幫會議紀錄做什麼?
AI 在會議紀錄中,最常見的用途有 5 種:
1. 錄音轉文字:把會議錄音或逐字稿變成可整理的文字資料。
2. 摘要重點:從冗長對話中整理出主要討論內容。
3. 萃取決議:找出會議最後確認的結論。
4. 整理待辦事項:列出任務、負責人、截止日期。
5. 改寫成正式紀錄:把口語內容整理成適合寄出的版本。
好的會議紀錄,不是把每句話都記下來,而是清楚回答三個問題:
討論了什麼?決定了什麼?接下來誰要做什麼?
情境一:線上會議怎麼做?
線上會議最適合新手練習,因為 Google Meet、Teams、Zoom 等平台通常已有錄影、字幕、逐字稿或 AI 摘要功能。不過,這些功能是否可用,會依公司帳號、方案、裝置、地區與管理員設定而不同。
Google Meet 的「Take notes for me」可透過 Gemini 協助記錄會議內容,但實際可用性會受到帳號與設定影響。Zoom AI Companion 也提供會議摘要功能,且管理員可啟用或停用相關設定。
線上會議建議流程
第一步:會前確認可否錄影、錄音或開啟逐字稿
如果是客戶會議、敏感會議或跨部門會議,建議先確認公司規範,並告知與會者。
可使用這句話:
「為了方便會後整理會議紀錄,這場會議會開啟錄影或逐字稿功能,紀錄僅供本專案追蹤使用。」
第二步:會中保留原始資料
使用平台內建的錄影、逐字稿、字幕、AI 筆記或會議摘要。
第三步:會後交給 AI 整理
把逐字稿或會議重點貼到 ChatGPT、Claude 或 Gemini,請 AI 整理成正式會議紀錄。
第四步:人工檢查後再寄出
檢查決議是否正確、待辦是否有負責人、截止日是否清楚,以及 AI 是否誤判會議結論。
情境二:實體會議怎麼做?
實體會議的難點是聲音來源比較複雜,可能有多人同時說話、環境雜音、白板討論、投影片補充等。因此,實體會議更需要做好錄音與現場補充紀錄。
最簡單的流程是:
手機錄音 → 轉成文字或整理重點 → 交給 AI 整理 → 人工確認
iPhone:使用內建「語音備忘錄」
iPhone 內建的「語音備忘錄」可用來錄製會議、課程或語音筆記,Apple 官方說明可開始錄音、暫停、繼續錄音,也可調整手機與聲音來源的距離以改善錄音音量。
操作方式:
1. 打開 iPhone 的「語音備忘錄」App。
2. 點選紅色錄音按鈕開始錄音。
3. 會議中若暫停,可按暫停;繼續時再恢復錄音。
4. 會議結束後按停止,錄音會自動儲存。
5. 將檔名改成「日期+會議名稱」,例如「2026-04-27_行銷週會」。
6. 會後可分享錄音檔,或先轉成文字再交給 AI 整理。
Android:使用內建「錄音機」或「Voice Recorder」
Android 手機品牌眾多,內建錄音 App 的名稱與功能會依品牌、機型與系統版本不同。常見名稱包含「錄音機」、「語音錄音」、「Recorder」或「Voice Recorder」。
如果使用 Google Pixel,可留意 Google Recorder;Google 官方說明 Recorder 主要適用於 Pixel,可用來錄製會議、課程等聲音,並提供搜尋與 AI 功能。如果使用 Samsung Galaxy,Samsung 官方說明 Voice Recorder 可錄製課程、會議與對話,支援裝置也可使用 Galaxy AI 進行轉錄、加入 Samsung Notes 或分享文字檔。
Android 通用操作方式:
1. 在手機搜尋「錄音」、「Recorder」或「Voice Recorder」。
2. 開會前先測試 5 到 10 秒,確認收音正常。
3. 把手機放在桌面中央,不要放在口袋或包包裡。
4. 會議結束後停止錄音。
5. 重新命名錄音檔,建議使用「日期+會議名稱」。
6. 若手機支援轉文字,可先產出逐字稿;若不支援,可先手動整理重點,再交給 AI 工具處理。
實體會議小技巧
實體會議中,AI 不一定能準確聽出每個人的聲音。建議主持人在重要決議後,主動重複一次:
「確認一下,這件事由 Amy 負責,下週五前完成第一版,對嗎?」
這句話看似簡單,卻能大幅提高會議紀錄的準確度。
常見、容易取得的 AI 工具怎麼選?
以下工具不代表所有功能都免費,也不保證每個帳號都能使用。部分功能會依方案、裝置、地區與公司管理員設定而不同,使用前建議先確認。
1. ChatGPT:適合整理正式會議紀錄
ChatGPT 適合把逐字稿、會議重點或錄音摘要整理成正式文件,例如會議紀錄、主管摘要、待辦清單或會後 Email。若帳號與裝置支援 ChatGPT Record,也可用於轉錄與摘要會議、腦力激盪或語音筆記;OpenAI 官方同時提醒,轉錄與摘要可能出錯,重要資訊需要人工檢查。
適合用在:正式會議紀錄、主管摘要、待辦清單、會後 Email。
2. Claude:適合處理較長逐字稿與文件
如果會議逐字稿很長,或需要同時參考簡報、企劃書、專案文件,Claude 是常見選項。Claude 官方說明支援上傳 PDF、DOCX、CSV、TXT、HTML、ODT、RTF、EPUB、JSON 等文件格式;部分檔案功能仍會依帳號設定與限制而不同。
適合用在:長會議逐字稿、訪談紀錄、研討會內容、多份文件摘要。
3. Gemini:適合 Google 工作環境
如果團隊平常使用 Gmail、Google Docs、Google Drive、Google Meet,Gemini 會比較容易放進日常流程。Google 文件中的 Gemini 可協助摘要文件,Drive 中的 Gemini 也可協助摘要檔案與資料夾,但需要符合可用方案。
適合用在:Google Docs 會議紀錄、Google Drive 文件整理、Google Meet 會後資料。
4. NotebookLM:適合專案型會議與長期追蹤
NotebookLM 比較像是「專案知識庫」。你可以把會議紀錄、簡報、企劃書、訪談資料放進同一個 Notebook,之後再針對這些資料提問。Google 說明 NotebookLM 會根據你上傳或指定的來源回答問題,並提供來源引用。
適合用在:專案會議追蹤、多次會議整理、課程筆記、客戶訪談資料庫。
新手建議工作流
線上會議
平台逐字稿或摘要 → ChatGPT/Claude/Gemini 整理 → 人工檢查 → 寄出追蹤
若是長期專案,可把每次整理好的會議紀錄放進 NotebookLM,開下次會議前請它整理「前次決議、未完成事項、待確認問題」。
實體會議
手機錄音 → 轉成文字或整理重點 → ChatGPT/Claude/Gemini 整理 → 人工確認
如果沒有逐字稿,也可以會後用 Google Docs 語音輸入,自己口述會議重點。Google Docs 語音輸入需要在支援的瀏覽器中開啟文件,並確保電腦麥克風可正常使用。這比較適合「會後自己補充重點」,不建議直接當成多人會議的正式轉錄工具。
會議紀錄建議格式
新手可以先使用這個格式:
會議主題:
會議時間:
會議地點/會議連結:
主持人:
紀錄者:
與會者:
一、會議目的
簡短說明這場會議要解決什麼問題。
二、討論重點
用條列式整理主要討論內容。
三、會議決議
只放已經確認的結論,不放還在討論中的想法。
四、待辦事項
任務|負責人|截止日期|備註
整理第一版提案|Amy|5/10|提供給行銷部確認
五、待確認事項
列出尚未有答案、需要補資料或下次再討論的內容。
可直接複製的 AI Prompt
Prompt 1:整理正式會議紀錄
請根據以下會議逐字稿,整理成正式會議紀錄。
請包含:
1. 會議主題
2. 會議目的
3. 討論重點
4. 會議決議
5. 待辦事項
6. 待確認事項
7. 下次會議建議追蹤事項
待辦事項請用「任務/負責人/截止日期/備註」格式整理。
如果內容中沒有提到負責人或截止日期,請標示「待確認」。
請不要加入原文沒有提到的資訊。
請使用繁體中文,語氣正式、清楚,適合寄給團隊成員。
Prompt 2:整理主管版摘要
請將以下會議內容整理成主管可快速閱讀的摘要。
請用 300 字以內說明:
1. 本次會議重點
2. 已確認決議
3. 需要主管知道的風險或卡點
4. 接下來最重要的 3 個行動項目
請避免冗長細節,保留關鍵資訊即可。
Prompt 3:檢查會議紀錄
請幫我檢查以下會議紀錄是否完整。
請指出:
1. 是否有決議不清楚的地方
2. 是否有待辦事項缺少負責人
3. 是否有待辦事項缺少截止日期
4. 是否有需要再次確認的數字、日期、人名
5. 是否有語氣太口語、不適合寄給主管或客戶的句子
請提供修改建議。
新手最容易犯的 5 個錯誤
錯誤 1:把逐字稿當成會議紀錄
逐字稿只是原始材料,會議紀錄要整理出重點、決議與待辦。
錯誤 2:沒有區分「提議」和「決議」
有人提出建議,不代表會議已經同意。
錯誤 3:待辦事項沒有負責人
「下週整理報告」不夠清楚;「由 Kevin 於 5/10 前整理第一版報告」才方便追蹤。
錯誤 4:完全相信 AI 摘要
AI 可能漏掉反對意見,或誤解語氣與脈絡。
錯誤 5:忽略資料安全
不要把客戶資料、人事薪資、財務數字、公司策略或未公開資訊,直接上傳到未經公司核准的外部工具。
104學習小提醒
AI 可以幫你省下整理時間,但不能取代你的判斷。會議紀錄真正的價值,不是把所有人說過的話完整留下來,而是讓團隊會後能繼續推進。
對新手來說,最簡單的開始是建立一套固定流程:
錄下來 → 轉成文字 → 請 AI 整理 → 人工檢查 → 寄出追蹤
只要掌握這套流程,無論是線上會議還是實體會議,都能更快產出清楚、完整、可追蹤的會議紀錄。
看更多
1 0 4702 0
知識貓星球

喵星人

2024/07/27

Mistral Large 2:超越 GPT-4o、Llama 3.1 405B?功能介紹、優勢、應用場景、與其他模型的
在AI技術迅猛發展的今天,Mistral AI推出的Mistral Large 2模型成為焦點。這款擁有1230億參數的新模型,不僅在精準度和性能上不輸Llama 3.1 405B,還能在單GPU上高效運行,大大降低硬體需求。這篇文章將為你揭示Mistral Large 2的強大功能和應用前景,助你在AI領域拔得頭籌。
▍Mistral Large 2是什麼?
Mistral Large 2是一款由Mistral AI新推出的大型語言模型,擁有1230億參數,專為單節點運算進行了最佳化設計。相較於Llama 3.1 405B的4050億參數,Mistral Large 2雖然在參數數量上較少,但在性能和精確度上毫不遜色,甚至在某些領域表現更加優越。
▍為什麼選擇Mistral Large 2?
Mistral Large 2具備多種獨特的功能和優勢,使其在眾多語言模型中脫穎而出:
● 單節點運算優化:Mistral Large 2可以在單GPU上全面運行,減少對硬體配置的高要求,適合更多開發者使用。
● 多語言支援:這款模型支援包括中文、日文、韓文和德文在內的數十種語言,應用範圍廣泛。
● 卓越的程式碼生成能力:Mistral Large 2支援超過80種程式語言,特別在程式碼生成和數學推理方面表現優秀,適合用於軟體開發和技術研究。
▍Mistral Large 123B的新功能
Mistral Large 2不僅僅是一個參數優化的版本,它還擁有多項創新功能:
● 減少「幻覺」傾向:模型經過調整,能夠在回答不確定的問題時告知使用者,提供更精確和可靠的答案。
● 高效角色切換:在測試中,模型能夠迅速切換角色,例如從「編碼者」轉變為「檢查者」,提高工作效率。
● 複雜任務處理能力:Mistral Large 2在處理多種複雜任務時表現出色,能夠準確應對各種挑戰。
▍應用場景
Mistral Large 2的應用範圍非常廣泛,無論是在研究還是商業用途上都具有巨大潛力:
● 軟體開發:得益於其強大的程式碼生成能力,Mistral Large 2可以幫助開發者更快地完成編碼任務,提升生產力。
● 數學推理:其優越的數學推理能力使其成為解決複雜邏輯和計算難題的利器。
● 多語言處理:支援多種語言的特性,使其在全球化應用中具有獨特優勢,能夠處理跨語言的內容生成和分析。
▍測試和比較
在多項測試中,Mistral Large 2都展現出色的表現,特別是在程式碼生成和數學推理方面。以下是與其他模型的比較:
【MMLU基準測試準確率】
● Mistral Large 2:84%
● Llama 3.1 405B:88.6%
● GPT-4o:88.7%
Mistral Large 2的準確率雖然略低於Llama 3.1 405B和GPT-4o,但其在數據的處理和計算能力上依然展現了強大的潛力。
【程式語言表現平均準確率】
● GPT-4o:75.3%
● Mistral Large 2:74.4%
● Llama 3.1 405B:73.4%
儘管Mistral Large 2在平均準確率上略遜於GPT-4o,但在程式語言特定的性能上,依舊保持了競爭力。
【Java程式語言準確率】
● Mistral Large 2:84.2%
● GPT-4o:82.9%
● Llama 3.1 405B:82.9%
在Java程式語言的測試中,Mistral Large 2的準確率高達84.2%,超越了GPT-4o和Llama 3.1 405B,顯示出其在特定領域的卓越表現。
目前,Mistral Large 2主要用於研究用途,但其優異的性能和低硬體需求使其在未來的商業應用中具有巨大潛力。隨著技術的不斷進步,這款模型有望在更多領域發揮其獨特的優勢,成為AI技術應用的中堅力量。
Mistral Large 2展示了令人印象深刻的性能和多樣化的應用前景,無論是在研究還是商業用途上,都具有重要意義。透過其獨特的設計和高效運行,Mistral Large 2在開源AI領域中占據了重要地位。如果你正在尋找一款既能提供精確答案又能高效運行的語言模型,Mistral Large 2絕對值得一試。
➤ 了解更多:https://mistral.ai/
➤ 歡迎在104學習精靈關注【AI趨勢報-科技愛好者的產地】獲得更多科技新知!
看更多
0 0 681 0
你可能感興趣的教室