本次社課由技術部的張存億授課，系統性地拆解了建立一個 AI Model 的完整藍圖，希望幫助初學者理解 AI 並非遙不可及的魔法，而是一門有方法、有流程的科學！無論你未來想深入從事哪個領域，掌握並了解 AI 概念與核心流程都是非常重要的！😎
一個成功的 AI 專案，始於精準的問題定義。必須先釐清任務目標（像是：這是分類問題還是預測問題？）以及所需的輸入（Input）與輸出（Output），才能找到正確的方向。
再來是最重要的資料集，它們是 Model 的命脈。俗話說的好：「Garbage In, Garbage Out」(?)，高品質、足夠數量的資料是 Model 學習的基石。而資料預處理階段，便是透過資料清洗、特徵工程等步驟，確保餵給模型的不是無效的資訊。
進入實作階段，資料劃分是確保模型泛用性的關鍵。透過將資料分為訓練集（學習材料）、驗證集（用以調整模型的模擬考）與測試集（最終成果驗收），客觀評估模型的真實表現。隨後，根據任務需求進行模型選擇，並透過反覆的模型訓練與參數調校，來優化學習成效，同時避免模型因過度學習訓練資料而產生過擬合（#Overfitting）的問題。
考量到並非人人都有龐大的運算資源，課程也分享了一個務實的捷徑：善用 API。對於想快速驗證想法或資源有限的開發者來說，直接取用預先訓練好的成熟模型，能大幅節省時間與開發成本，專注在應用層面的創新。
總結來說，這堂課揭開了 AI 成功的鐵三角：優質的數據、合適的模型與細心的訓練。AI 發展迅速，我們不再只是旁觀者，人人都可以是 AI 的架構師與訓練師。理解 AI 的概念與建構流程，是我們未來駕馭這項強大工具、並將其價值發揮到極致的基礎！💪
活動照片
