• 【六大區域產業及生活圈-大南方新矽谷推動方案】 大南方智造引擎,引領未來


    行政院已核定推動「大南方新矽谷推動方案」,規劃將嘉義、臺南、高雄及屏東打造成半導體S廊帶,鏈接全球。

    推動策略
    擴算力-提升國家整體運算量能:建置高效能雲端運算、巨量儲存與AI應用的研發環境,以及產官學研跨域合作與促進AI技術之應用擴散,厚植AI研發與創新應用。
    引人才-跨域發展增強競爭力與就業動能:對焦產業需求,鏈結科大與資服能量,透過沙崙資安基地、晶片暨系統整合服務平台、化合物半導體科技人才訓練基地等,進行人才培訓,使AI相關產業人才匯流沙崙,提升AI技術在中小企業中應用及普及。
    鏈場域-打造半導體「S」廊帶:打造均衡發展且韌性的台灣,運用半導體「S」廊帶,促成產業系統整合。
    展應用-「AI產業化、產業AI化」,協助全產業數位轉型:以大南方為優先,擴延應用至全臺灣型塑產業AI化典範,產官學研跨域合作與促進AI技術之應用擴散,厚植AI研發與創新應用。
    目前重點推動成果
    行政院2025年3月18日核定「AI運算資料中心建置」,將新建地下2層,地上5層的節能與耐震的資料中心,預計2028年完工,總經費50.65億元。
    國科會開發5處科學園區(嘉義、臺南三期、楠梓、橋頭、屏東),經濟部推動產業園區2025年預計核定臺南1處,高雄12處,屏東1處;2026年預計核定臺南3處,高雄4處。
    國科會委由雲林科大籌組2個團隊,規劃智慧餐飲及健康照護產學合作的補助項目、審查標準、期程與申請方式,經費2.6億元,促進學界投入產業技術加值及實作人才培育。
    整合跨部會資源,從供電、供水、交通、醫療、文化、社宅、教育與人才發展等,逐步完善南部地區生活機能生態圈。
    更多政府政策報乎您知請參考https://www.ndc.gov.tw/
    【六大區域產業及生活圈-大南方新矽谷推動方案】 大南方智造引擎,引領未來 行政院已核定推動「大南方新矽谷推動方案」,規劃將嘉義、臺南、高雄及屏東打造成半導體S廊帶,鏈接全球。 推動策略 擴算力-提升國家整體運算量能:建置高效能雲端運算、巨量儲存與AI應用的研發環境,以及產官學研跨域合作與促進AI技術之應用擴散,厚植AI研發與創新應用。 引人才-跨域發展增強競爭力與就業動能:對焦產業需求,鏈結科大與資服能量,透過沙崙資安基地、晶片暨系統整合服務平台、化合物半導體科技人才訓練基地等,進行人才培訓,使AI相關產業人才匯流沙崙,提升AI技術在中小企業中應用及普及。 鏈場域-打造半導體「S」廊帶:打造均衡發展且韌性的台灣,運用半導體「S」廊帶,促成產業系統整合。 展應用-「AI產業化、產業AI化」,協助全產業數位轉型:以大南方為優先,擴延應用至全臺灣型塑產業AI化典範,產官學研跨域合作與促進AI技術之應用擴散,厚植AI研發與創新應用。 目前重點推動成果 行政院2025年3月18日核定「AI運算資料中心建置」,將新建地下2層,地上5層的節能與耐震的資料中心,預計2028年完工,總經費50.65億元。 國科會開發5處科學園區(嘉義、臺南三期、楠梓、橋頭、屏東),經濟部推動產業園區2025年預計核定臺南1處,高雄12處,屏東1處;2026年預計核定臺南3處,高雄4處。 國科會委由雲林科大籌組2個團隊,規劃智慧餐飲及健康照護產學合作的補助項目、審查標準、期程與申請方式,經費2.6億元,促進學界投入產業技術加值及實作人才培育。 整合跨部會資源,從供電、供水、交通、醫療、文化、社宅、教育與人才發展等,逐步完善南部地區生活機能生態圈。 更多政府政策報乎您知請參考https://www.ndc.gov.tw/
    Like
    1
    · 0 Comments ·0 Shares ·2K Views ·0 Reviews

  • ❖第一階段:顯式演算法的時代 (1950s - 1980s)**

    (**註:亦可稱「規則式/Rule-based」演算法時代)

    這個時代的演算法典範是「人告訴電腦如何做」。

    ▹核心思維
    演算法就是一套由程式設計師明確定義、一步步執行的指令。人類必須完全理解問題的解法,並將其邏輯用程式碼完整地寫出來。

    ▹底層技術
    (a)年代/
    1940s–1960s:數值演算法 → 資料結構與排序搜尋
    1970s–1980s:理論演算法(NP、隨機化、可計算性)
    (b)特色:演算法本身和資料結構是「核心基礎」,計算效率(時間複雜度與空間複雜度)是主要評價指標。後來延伸為不只是「怎麼算」,還涉及「是否可能算得出來」、「效率界線在哪裡」。

    ▹局限性
    無法應對人類難以用明確規則描述的複雜問題,例如判斷一張圖片裡是否有貓**。
    (**註:其實在那時期,這問題曾試圖透過「專家系統/Expert Systems」方式,也就是「規則庫 if-else 來模擬人類推理」方式處理,不過成果十分有限。)



    ❖第二階段:機器學習的時代 (1980s - 2010s)

    這是第一個巨大的典範轉移,思維從「告訴電腦怎麼做」轉變為「讓電腦自己學」。

    ▹核心思維
    演算法不再是固定的步驟。人類提供大量數據和學習目標,讓演算法自己從數據中尋找模式和規律,並建立模型來解決問題。

    ▹底層技術
    (a)年代/1990s–2000s:分散式與大規模資料處理(PageRank, MapReduce),以及大量統計學與傳統 ML 演算法的崛起(ex決策樹、SVM、KNN、隨機森林...etc.)。
    (b)特色:處理「規模」成為主題,追求能在分散式系統上有效運行。

    ▹局限性
    儘管已經可以學習,但仍需要人類專家進行關鍵步驟——「特徵工程」:人類必須手動從原始數據中提取有意義的特徵,才能讓演算法學習。尤其不同專業領域就需要不同領域的專家知識,才能提取出專屬該領域的特徵、完成該領域的特徵工程。這是關鍵痛點。



    ❖第三階段:深度學習的時代 (2010s - 2020s)

    這是機器學習內部的一次重大典範轉移,它讓演算法從「學習」進化到「深度學習」。

    ▹核心思維
    這個階段解決了特徵工程的問題。透過多層神經網路(DNN),演算法能夠自動從最原始的數據中學習、並提取最抽象、最高階的特徵。意即,電腦已經開始有能力自行判斷「哪些數據是重要的」。

    ▹底層技術
    (a)年代/2010s–2020s:機器學習(ML)與深度學習(DL)
    (b)特色:不再只是「明確規則 + 決定性輸出」,而是「自我調整規則、從資料學習」。以深度學習來說,自動學習抽象特徵/表徵學習(Representation Learning),就可說是最關鍵的突破口。

    ▹革命性:
    這個階段讓 AI 第一次在圖像辨識、語音處理和自然語言理解等領域超越了人類的表現。



    ❖總結

    上述三個階段代表了演算法從「遵循規則」到「從數據中學習」,再到「自動從數據中學習特徵」的根本性演變。

    (還沒完...)



    ❖第四階段:生成式 AI / 大模型時代(2020s-)

    不是只分類或預測,不只是更深的神經網路,而是開始使模型具備跨任務、跨領域的能力,例如「生成」新的內容(語言/影像/音樂),透過Transformer 架構+海量參數+大規模語言模型(LLM),都已應用在現實生活中。

    未來,方興未艾。
    https://vocus.cc/article/68a712e5fd89780001b13c29

    #這碗呀不大
    ❖第一階段:顯式演算法的時代 (1950s - 1980s)** (**註:亦可稱「規則式/Rule-based」演算法時代) 這個時代的演算法典範是「人告訴電腦如何做」。 ▹核心思維 演算法就是一套由程式設計師明確定義、一步步執行的指令。人類必須完全理解問題的解法,並將其邏輯用程式碼完整地寫出來。 ▹底層技術 (a)年代/ 1940s–1960s:數值演算法 → 資料結構與排序搜尋 1970s–1980s:理論演算法(NP、隨機化、可計算性) (b)特色:演算法本身和資料結構是「核心基礎」,計算效率(時間複雜度與空間複雜度)是主要評價指標。後來延伸為不只是「怎麼算」,還涉及「是否可能算得出來」、「效率界線在哪裡」。 ▹局限性 無法應對人類難以用明確規則描述的複雜問題,例如判斷一張圖片裡是否有貓**。 (**註:其實在那時期,這問題曾試圖透過「專家系統/Expert Systems」方式,也就是「規則庫 if-else 來模擬人類推理」方式處理,不過成果十分有限。) ❖第二階段:機器學習的時代 (1980s - 2010s) 這是第一個巨大的典範轉移,思維從「告訴電腦怎麼做」轉變為「讓電腦自己學」。 ▹核心思維 演算法不再是固定的步驟。人類提供大量數據和學習目標,讓演算法自己從數據中尋找模式和規律,並建立模型來解決問題。 ▹底層技術 (a)年代/1990s–2000s:分散式與大規模資料處理(PageRank, MapReduce),以及大量統計學與傳統 ML 演算法的崛起(ex決策樹、SVM、KNN、隨機森林...etc.)。 (b)特色:處理「規模」成為主題,追求能在分散式系統上有效運行。 ▹局限性 儘管已經可以學習,但仍需要人類專家進行關鍵步驟——「特徵工程」:人類必須手動從原始數據中提取有意義的特徵,才能讓演算法學習。尤其不同專業領域就需要不同領域的專家知識,才能提取出專屬該領域的特徵、完成該領域的特徵工程。這是關鍵痛點。 ❖第三階段:深度學習的時代 (2010s - 2020s) 這是機器學習內部的一次重大典範轉移,它讓演算法從「學習」進化到「深度學習」。 ▹核心思維 這個階段解決了特徵工程的問題。透過多層神經網路(DNN),演算法能夠自動從最原始的數據中學習、並提取最抽象、最高階的特徵。意即,電腦已經開始有能力自行判斷「哪些數據是重要的」。 ▹底層技術 (a)年代/2010s–2020s:機器學習(ML)與深度學習(DL) (b)特色:不再只是「明確規則 + 決定性輸出」,而是「自我調整規則、從資料學習」。以深度學習來說,自動學習抽象特徵/表徵學習(Representation Learning),就可說是最關鍵的突破口。 ▹革命性: 這個階段讓 AI 第一次在圖像辨識、語音處理和自然語言理解等領域超越了人類的表現。 ❖總結 上述三個階段代表了演算法從「遵循規則」到「從數據中學習」,再到「自動從數據中學習特徵」的根本性演變。 (還沒完...) ❖第四階段:生成式 AI / 大模型時代(2020s-) 不是只分類或預測,不只是更深的神經網路,而是開始使模型具備跨任務、跨領域的能力,例如「生成」新的內容(語言/影像/音樂),透過Transformer 架構+海量參數+大規模語言模型(LLM),都已應用在現實生活中。 未來,方興未艾。 https://vocus.cc/article/68a712e5fd89780001b13c29 #這碗呀不大
    Day5:演算法的發展歷程
    Day5:演算法的發展歷程
    vocus.cc
    「人工智慧 +1」自學 Day5:演算法的發展歷程 - ❖第一階段:顯式演算法的時代 (1950s - 1980s)** (**註:亦可稱「規則式/Rule-based」演算法時代) 這個時代的演算法典範是「人告訴電腦如何做」。 ▹核心思維 演算法就是一套由程式設計師明確定義、一步步執
    Like
    2
    · 0 Comments ·0 Shares ·707 Views ·0 Reviews
  • 美國有很多權威的健康網站,涵蓋醫學資訊、健康教育和保健產品,主要有政府機構如美國國立衛生研究院 (NIH)、醫療機構如梅奧診所 (Mayo Clinic)、綜合健康資訊平台如 WebMD、Healthline、以及保健品電商如 iHerb、GNC 等,提供從疾病查詢、健康知識到保健食品購買的一站式服務。
    權威醫療與研究機構美國國立衛生研究院 (NIH) (National Institutes of Health): 美國政府生物醫學研究的核心機構,提供大量科學研究成果與健康資訊。
    梅奧診所 (Mayo Clinic): 世界頂尖的非營利醫療機構,其網站提供權威的疾病、治療和健康資訊。
    Medscape: 面向醫護專業人士,提供最新醫學新聞、專家意見和繼續教育。
    綜合健康資訊平台WebMD: 廣泛的健康資訊入口,涵蓋疾病、症狀、藥物、生活方式等。
    Healthline: 提供易於理解的健康文章、生活指南,是年輕人的熱門選擇。
    MedicineNet: 提供由醫生撰寫的可靠醫療資訊。
    Medical News Today: 專注於最新的醫學新聞和研究。
    保健品與個人護理iHerb: 大型線上零售商,銷售維他命、補充品、個人護理等,可全球配送。
    GNC: 知名保健品連鎖店,提供多種營養補充品。
    Swanson: 另一個受歡迎的保健品品牌官網。
    關於健康與營養美國膳食協會 (ADA): 國際最大營養學會,提供專業營養資訊。

    Everyday Health: 針對普通大眾的健康生活方式網站。

    政府健康入口
    USA.gov Health: 美國政府的健康資訊入口,提供健康保險、醫療費用、心理健康等資

    #健康
    #健康藥品
    #美國衛生署
    美國有很多權威的健康網站,涵蓋醫學資訊、健康教育和保健產品,主要有政府機構如美國國立衛生研究院 (NIH)、醫療機構如梅奧診所 (Mayo Clinic)、綜合健康資訊平台如 WebMD、Healthline、以及保健品電商如 iHerb、GNC 等,提供從疾病查詢、健康知識到保健食品購買的一站式服務。 權威醫療與研究機構美國國立衛生研究院 (NIH) (National Institutes of Health): 美國政府生物醫學研究的核心機構,提供大量科學研究成果與健康資訊。 梅奧診所 (Mayo Clinic): 世界頂尖的非營利醫療機構,其網站提供權威的疾病、治療和健康資訊。 Medscape: 面向醫護專業人士,提供最新醫學新聞、專家意見和繼續教育。 綜合健康資訊平台WebMD: 廣泛的健康資訊入口,涵蓋疾病、症狀、藥物、生活方式等。 Healthline: 提供易於理解的健康文章、生活指南,是年輕人的熱門選擇。 MedicineNet: 提供由醫生撰寫的可靠醫療資訊。 Medical News Today: 專注於最新的醫學新聞和研究。 保健品與個人護理iHerb: 大型線上零售商,銷售維他命、補充品、個人護理等,可全球配送。 GNC: 知名保健品連鎖店,提供多種營養補充品。 Swanson: 另一個受歡迎的保健品品牌官網。 關於健康與營養美國膳食協會 (ADA): 國際最大營養學會,提供專業營養資訊。 Everyday Health: 針對普通大眾的健康生活方式網站。 政府健康入口 USA.gov Health: 美國政府的健康資訊入口,提供健康保險、醫療費用、心理健康等資 #健康 #健康藥品 #美國衛生署
    Like
    2
    · 0 Comments ·0 Shares ·1K Views ·0 Reviews
  • 把世界帶回宜蘭「青年百億海外圓夢基金計畫」成果展

    此次「青年百億海外圓夢基金計畫展」由今年參與計畫的青年共同策展,透過展覽及影像完整呈現他們在蒙古、韓國及日本的圓夢歷程及所見所聞,大眾將可透過青年獨特的視角認識這些地方。「D-4-12草原開課啦!跟著SDGs去遊牧」以「世界公民教育」為核心,聚焦多項SDGs議題,為蒙古學童開辦多場教育行動,更深入草原體驗游牧生活與在地永續精神;而「D-5-7巷弄裡的博物館」則以「博物館與地方文化的創生與永續」為主軸,從地方見學、體驗,到在當地交流會分享臺灣宜蘭與日本鳥取的文化共鳴與差異,展現不同面向的海外行動能量。
    把世界帶回宜蘭「青年百億海外圓夢基金計畫」成果展 此次「青年百億海外圓夢基金計畫展」由今年參與計畫的青年共同策展,透過展覽及影像完整呈現他們在蒙古、韓國及日本的圓夢歷程及所見所聞,大眾將可透過青年獨特的視角認識這些地方。「D-4-12草原開課啦!跟著SDGs去遊牧」以「世界公民教育」為核心,聚焦多項SDGs議題,為蒙古學童開辦多場教育行動,更深入草原體驗游牧生活與在地永續精神;而「D-5-7巷弄裡的博物館」則以「博物館與地方文化的創生與永續」為主軸,從地方見學、體驗,到在當地交流會分享臺灣宜蘭與日本鳥取的文化共鳴與差異,展現不同面向的海外行動能量。
    0 Comments ·0 Shares ·2K Views ·14 Plays ·0 Reviews
  • 把世界帶回宜蘭「青年百億海外圓夢基金計畫」成果展

    此次「青年百億海外圓夢基金計畫展」由今年參與計畫的青年共同策展,透過展覽及影像完整呈現他們在蒙古、韓國及日本的圓夢歷程及所見所聞,大眾將可透過青年獨特的視角認識這些地方。「D-4-12草原開課啦!跟著SDGs去遊牧」以「世界公民教育」為核心,聚焦多項SDGs議題,為蒙古學童開辦多場教育行動,更深入草原體驗游牧生活與在地永續精神;而「D-5-7巷弄裡的博物館」則以「博物館與地方文化的創生與永續」為主軸,從地方見學、體驗,到在當地交流會分享臺灣宜蘭與日本鳥取的文化共鳴與差異,展現不同面向的海外行動能量。
    把世界帶回宜蘭「青年百億海外圓夢基金計畫」成果展 此次「青年百億海外圓夢基金計畫展」由今年參與計畫的青年共同策展,透過展覽及影像完整呈現他們在蒙古、韓國及日本的圓夢歷程及所見所聞,大眾將可透過青年獨特的視角認識這些地方。「D-4-12草原開課啦!跟著SDGs去遊牧」以「世界公民教育」為核心,聚焦多項SDGs議題,為蒙古學童開辦多場教育行動,更深入草原體驗游牧生活與在地永續精神;而「D-5-7巷弄裡的博物館」則以「博物館與地方文化的創生與永續」為主軸,從地方見學、體驗,到在當地交流會分享臺灣宜蘭與日本鳥取的文化共鳴與差異,展現不同面向的海外行動能量。
    0 Comments ·0 Shares ·2K Views ·56 Plays ·0 Reviews
More Results
MGBOX https://magicbox.mg