階段 3 ML/DL概念

AI 到底怎麼「學」?階段 3 把機器學習與深度學習的核心原理裝進腦袋,這是初級科目一的重兵區。

這一階段學什麼

• 三大學習範式:監督式(有標準答案的學習)、非監督式(從無標籤資料找結構)、強化式(靠獎懲試錯)— 判斷題型的鐵三角
• 常見模型:分類、回歸、聚類的代表模型與適用場景
• 深度學習三巨頭:CNN 擅長影像(卷積抓特徵)、RNN 擅長序列(記住前文)、GAN 用生成器與判別器互相對抗來生成資料
• 鑑別式 vs 生成式:鑑別式 AI 學「分界」做判斷(這是貓還是狗),生成式 AI 學「分布」造新內容(畫一隻新的貓)
• 影像辨識與分類概念:從像素到特徵到類別的完整流程

為什麼是現在學

階段 2 的資料是原料,這一階段講機器怎麼從原料煉出模型;跳過它,階段 4 的 No-Code 工具你只會按按鈕,說不出背後發生什麼。鑑別式與生成式的區分,更是階段 5 生成式 AI 實務的入場檢查。

怎麼練(具體行動)

1. 做一張三範式對照表:監督、非監督、強化各配定義、資料需求、兩個應用例
2. 用白話各寫 100 字解釋 CNN、RNN、GAN 的運作直覺,不准出現數學式
3. 收集 10 個應用,逐一標注鑑別式或生成式:瑕疵檢測、人臉辨識、文案生成、影像合成
4. 畫一遍影像分類的概念流程:輸入影像、特徵擷取、分類輸出,講給同伴聽

完成標準

• 能解釋 AI 模型如何學習:資料、目標、修正的循環(呼應里程碑:理解 AI 模型如何學習)
• 給任一應用,能判斷學習範式,並知道影像用 CNN、序列用 RNN
• 一句話分清鑑別式與生成式,並各舉兩例

⚠️ 常見誤區:把 GAN 歸成鑑別式 — 它內部雖有判別器,但整體目的是「生成」,考題最愛這個陷阱。

這一階段是科目一的得分主力,也是看懂後面所有生成式 AI 內容的鑰匙。