發表文章

魏嘉佑商業軟體期末考chatgpt

電子試算表electronic spreadsheet發展歷史 電子試算表的發展歷史可以追溯到20世紀70年代,以下是其主要的發展階段和關鍵技術: VisiCalc(1979年): VisiCalc 被認為是第一款商業上成功的電子試算表軟體,由Dan Bricklin和Bob Frankston開發。 它最初運行在Apple II電腦上,改變了人們對於數字計算和商業分析的方式。 VisiCalc 的成功促使了個人電腦在商業應用中的普及,被認為是個人電腦革命的一部分。 Lotus 1-2-3(1983年): Lotus 1-2-3 是由Mitch Kapor於1983年推出的電子試算表軟體,由Lotus Development Corporation開發。 這款軟體結合了試算表、圖表和圖形功能,成為當時最流行的商業試算表軟體。 Lotus 1-2-3 的成功使得IBM PC在企業和個人使用中得到廣泛應用,確立了Lotus Development Corporation的市場地位。 Microsoft Excel(1985年): Microsoft Excel 於1985年首次發行,最初是為Macintosh平台開發的。 後來,Excel 成為Microsoft Office套件的一部分,並於1987年首次在Windows平台上推出。 Excel 以其強大的計算功能、圖表選項和廣泛的擴展性成為市場領導者,至今仍然是最常用的電子試算表軟體之一。 發展和影響: 電子試算表的普及使得數據分析和商業模型的建立變得更加容易和靈活。 它們在財務、會計、統計學和其他領域中被廣泛應用,成為決策支持和報告工具的重要組件。 隨著計算機技術的進步,電子試算表軟體不斷增強其功能和性能,支持更複雜的數據分析和多人協作需求。 總結來說,電子試算表軟體的發展不僅深刻影響了商業和學術領域的數據處理方式,還促進了計算機技術的普及和個人電腦的應用推廣。其歷史發展展示了從最初的個人電腦應用到現代企業信息管理的演進過程。 何為wps WPS Office 是一個由金山軟件開發的辦公軟件套件,類似於Microsoft Office。它包括文字處理、試算表和演示文稿等應用程序,可在多個平台上運行,如Windows、macOS、Linux、Android 和 iOS。 何為CANVA Canv...

魏嘉佑雲端運算jypter notebook

圖片
Jupyter Notebook Jupyter Notebook(前身是IPython Notebook)是一個基於Web的互動式計算環境,用於創建Jupyter Notebook檔案。Jupyter Notebook檔案是一個JSON檔案,包含一個有序的輸入/輸出單元格列表,這些單元格可以包含程式碼、文字(使用Markdown語言)、數學、圖表和富媒體 (Rich media),通常以「.ipynb」結尾附檔名。 Jupyter Notebook檔案可以透過Web界面中的「Download As」,透過nbconvert函式庫或shell中的「jupyter nbconvert」命令行界面,轉換為許多的開源標準輸出格式(HTML、演示投影片、LaTeX、PDF、reStructuredText、Markdown、Python)。 為了簡化Jupyter Notebook檔案在Web上的視覺化,nbconvert函式庫是透過nbviewer提供的一項服務,它可以獲取任何公開可用的Notebook檔案的URL,將其動態轉換為 HTML 並顯示給使用者。 https://news.microsoft.com/zh-tw/features/microsoft-365-copilot-ai/

EXCEL與python執行樞紐分析的比較

圖片

魏嘉佑大語言模型協助收集簡報的資料

圖片
SRC來源

PowerPoint轉場Transition動畫Animation大語言模型

圖片
WIKI大語言模型 大語言模型(英語:large language model,LLM)是一種語言模型,由具有許多參數(通常數十億個權重或更多)的人工神經網絡組成,使用自監督學習或半監督學習對大量未標記文本進行訓練[ 1 ]。大型語言模型在2018年左右出現,並在各種任務中表現出色[ 2 ]。 儘管這個術語沒有正式的定義,但它通常指的是參數數量在數十億或更多數量級的深度學習模型[ 3 ]。大型語言模型是通用的模型,在廣泛的任務中表現出色,而不是針對一項特定任務(例如情感分析、命名實體識別或數學推理)進行訓練[ 2 ]。 儘管在預測句子中的下一個單詞等簡單任務上接受過訓練,但發現具有足夠訓練和參數計數的神經語言模型可以捕獲人類語言的大部分句法和語義。 此外大型語言模型展示了相當多的關於世界的常識,並且能夠在訓練期間「記住」大量事實[ 2 ]。 雖然 ChatGPT 為代表的LLM在生成類人文本方面表現出了卓越的能力,但它們很容易繼承和放大訓練數據中存在的偏差。這可能表現為對不同人口統計數據的歪曲表述或不公平待遇,例如基於種族[ 4 ]、性別[ 5 ]、語言[ 6 ]和文化群體[ 6 ]的不同觀點與態度。 參考資料 Goled, Shraddha. Self-Supervised Learning Vs Semi-Supervised Learning: How They Differ. Analytics India Magazine. May 7, 2021 [2023-06-08]. (原始內容存檔於2023-06-18). Manning, Christopher D. Human Language Understanding & Reasoning. Daedalus. 2022, 151 (2): 127–138 [2023-06-08]. S2CID 248377870. doi:10.1162/daed_a_01905. (原始內容存檔於2023-03-09). Carlini, Nicholas; Tramer, Florian; Wallace, Eric; Jagielski, Matthew; Herbert-Voss, Ariel; Lee, Katherine; Roberts, Adam; Brow...

D11014153

圖片

d11014153 魏嘉佑