2.7 萬次觀看
※ 摘要僅根據標題與說明
陳縕儂 Vivian NTU MiuLab陳縕儂
YouTube ・ 台灣 ・ 繁體中文 ・ S 級 ・ 6.3 萬 訂閱 ・ 60 筆內容 ・ 最近更新 2026/09/22
陳縕儂（台大資工）：深度學習之應用（ADL）
最受歡迎
依人氣
- 2影片入門中文
台大資訊 深度學習之應用 | ADL 6.1: Pretraining 預訓練（在新分頁開啟原站）
陳縕儂在 NTU 的 ADL 課程中，介紹了深度學習預訓練（Pretraining）的應用，幫助讀者理解如何從大量資料中學習基礎能力。
1,870次觀看※ 摘要僅根據標題與說明
- 3影片進階中文
台大資訊 深度學習之應用 | ADL 4.1: Attention Mechanism 注意力機制（在新分頁開啟原站）
陳縕儂在 NTU 的影片，詳細解釋了深度學習中的注意力機制，幫助讀者理解其運作原理與應用。
3,072次觀看※ 摘要僅根據標題與說明
- 4影片入門中文
台大資訊 深度學習之應用 | ADL 4.3: Multi-Head Attention 不同類型的注意力關係（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習中不同型別的注意力機制及其應用，涵蓋了從基礎概念到實際架構的完整教學。
2,812次觀看※ 摘要僅根據標題與說明
- 5影片入門中文
台大資訊 深度學習之應用 | ADL 6.6: Prompting Paradigm 基於提示的研究大補帖（在新分頁開啟原站）
陳縕儂教授在 NTU 的影片，介紹了 Prompting Paradigm 如何應用於深度學習，並探討了基於提示的研究方向。
1,331次觀看※ 摘要僅根據標題與說明
- 6影片進階中文
台大資訊 深度學習之應用 | ADL 6.3: Issues of PLMs 預訓練模型世代的難關（在新分頁開啟原站）
陳縕儂在 NTU 的影片探討預訓練語言模型（PLMs）在應用中的關鍵挑戰，內容聚焦於模型如何平衡泛化能力與特定任務的表現。
767次觀看※ 摘要僅根據標題與說明
- 7影片入門中文
台大資訊 深度學習之應用 | ADL 5.2 BERT 進擊的芝麻街巨人（在新分頁開啟原站）
陳縕儂在 NTU 公開演講，介紹 BERT 模型如何應用於芝麻街動畫，並探討其對 AI 領域的啟示。
1,199次觀看※ 摘要僅根據標題與說明
- 8影片進階中文
台大資訊 深度學習之應用 | ADL 6.2: Encoder-Only, Decoder-Only, Encoder-Decoder Pretraining 常見三大類預訓練模型（在新分頁開啟原站）
本影片由 NTU 陳縕儂教授於 2026 年 9 月 21 日公開，深入解析深度學習中 Encoder-Only、Decoder-Only 及 Encoder-Decoder 三種預訓練模型的應用與差異。
642次觀看※ 摘要僅根據標題與說明
- 9影片進階中文
台大資訊 深度學習之應用 | ADL 3.4: RNN Applications RNN各式應用（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習應用中的迴歸神經網路（RNN）實作，並展示了其多樣用途。
1,191次觀看※ 摘要僅根據標題與說明
- 10影片入門中文
台大資訊 深度學習之應用 | ADL 3.1: Word Representations 用機器看得懂的方式表示詞彙（在新分頁開啟原站）
影片由陳縕儂在 NTU 教授，介紹如何將文字轉化為機器可理解的表示，並探討深度學習在自然語言處理中的應用。
1,148次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片入門中文
台大資訊 深度學習之應用 | ADL 6.6: Prompting Paradigm 基於提示的研究大補帖（在新分頁開啟原站）
陳縕儂教授在 NTU 的影片，介紹了 Prompting Paradigm 如何應用於深度學習，並探討了基於提示的研究方向。
1,331次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 6.5: (Soft) Prompt-Tuning (P-Tuning, Prefix Tuning) 人不懂沒關係機器懂就好（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習中的 Soft Prompt-Tuning (P-Tuning)，透過調整 Prompt 而非模型引數來提升效能。
457次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 6.4: (Hard) Prompt-Tuning, LM-BFF 用自然語言提示模型（在新分頁開啟原站）
介紹了深度學習中 Prompt-Tuning 與 LM-BFF 兩種技術，並說明它們如何透過自然語言提示來提升模型效能。
468次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 6.3: Issues of PLMs 預訓練模型世代的難關（在新分頁開啟原站）
陳縕儂在 NTU 的影片探討預訓練語言模型（PLMs）在應用中的關鍵挑戰，內容聚焦於模型如何平衡泛化能力與特定任務的表現。
767次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 6.2: Encoder-Only, Decoder-Only, Encoder-Decoder Pretraining 常見三大類預訓練模型（在新分頁開啟原站）
本影片由 NTU 陳縕儂教授於 2026 年 9 月 21 日公開，深入解析深度學習中 Encoder-Only、Decoder-Only 及 Encoder-Decoder 三種預訓練模型的應用與差異。
642次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 6.1: Pretraining 預訓練（在新分頁開啟原站）
陳縕儂在 NTU 的 ADL 課程中，介紹了深度學習預訓練（Pretraining）的應用，幫助讀者理解如何從大量資料中學習基礎能力。
1,870次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 5.2 BERT 進擊的芝麻街巨人（在新分頁開啟原站）
陳縕儂在 NTU 公開演講，介紹 BERT 模型如何應用於芝麻街動畫，並探討其對 AI 領域的啟示。
1,199次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 5.1: BPE (Byte-Pair Encoding) Tokenization 如何將字詞切成小單元（在新分頁開啟原站）
陳縕儂教授在 NTU 的影片，介紹如何將字詞切成小單元以應用深度學習。
664次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 4.3: Multi-Head Attention 不同類型的注意力關係（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習中不同型別的注意力機制及其應用，涵蓋了從基礎概念到實際架構的完整教學。
2,812次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 4.2: Self-Attention & Transformer 自注意力機制之模型（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習中自注意力機制與 Transformer 模型的核心概念，並展示了其在實際應用中的潛力。
808次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 4.1: Attention Mechanism 注意力機制（在新分頁開啟原站）
陳縕儂在 NTU 的影片，詳細解釋了深度學習中的注意力機制，幫助讀者理解其運作原理與應用。
3,072次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 3.4: RNN Applications RNN各式應用（在新分頁開啟原站）
陳縕儂在 NTU 的影片介紹了深度學習應用中的迴歸神經網路（RNN）實作，並展示了其多樣用途。
1,191次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 3.3: Recurrent Neural Network 簡介（在新分頁開啟原站）
本影片由陳縕儂在 NTU 講授，介紹深度學習中的迴歸神經網路（RNN），並說明其應用場景。
935次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 3.2: Language Modeling 語言模型（在新分頁開啟原站）
本影片由 NTU 陳縕儂教授於 2026 年 9 月 7 日錄製，深入探討深度學習中語言模型的應用。
850次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 3.1: Word Representations 用機器看得懂的方式表示詞彙（在新分頁開啟原站）
影片由陳縕儂在 NTU 教授，介紹如何將文字轉化為機器可理解的表示，並探討深度學習在自然語言處理中的應用。
1,148次觀看※ 摘要僅根據標題與說明
- 2.7 萬次觀看
※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 6.3: Agents 可以動手的代理人真的要來了?（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片探討 AI 代理（Agents）的未來，指出目前 AI 雖能執行任務，但缺乏自主規劃與學習能力，未來將出現能動手的智慧體。
1,300次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 人工智慧導論 | FAI 6.2: Multimodal LLMs 如何讓語言模型也可以理解與生成影像聲音等資訊呢?（在新分頁開啟原站）
台大資訊系陳縕儂教授介紹 Multimodal LLMs 如何讓語言模型理解與生成影像聲音等資訊，內容聚焦於多模態大語言模型的技術原理與應用。
616次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 6.1: Generative AI - Large Language Models 生成式人工智慧之大型語言模型（在新分頁開啟原站）
台大資訊系陳縕儂教授在 NTU MiuLab 的影片，介紹大型語言模型（LLM）如何透過生成式 AI 技術處理自然語言，並探討其應用前景。
360次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 5.4: Density Estimation with RBF Networks 了解資料的整體分布（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中使用 RBF 神經網路來估算資料的密度分佈，透過實作示範如何將理論應用於實際問題。
656次觀看※ 摘要僅根據標題與說明
- 影片高階中文
Revisiting Test-Time Scaling: A Survey and a Diversity-Aware Method for Efficient Reasoning（在新分頁開啟原站）
本介紹探討測試時擴充套件（Test-Time Scaling）如何透過延遲推理提升 AI 效能，並提出一種能平衡推理速度與準確性的多樣性感知方法。
277次觀看※ 摘要僅根據標題與說明
- 影片入門中文
Compound AI Systems Optimization: A Survey of Methods, Challenges, and Future Directions（在新分頁開啟原站）
探討如何最佳化多層級 AI 系統，並分析相關挑戰與未來方向。
187次觀看※ 摘要僅根據標題與說明
- 影片入門中文
Creativity in LLM-based Multi-Agent Systems: A Survey（在新分頁開啟原站）
這篇影片探討大型語言模型（LLM）結合多智慧體系統（MAS）時的創意應用，並進行全面調查。
151次觀看※ 摘要僅根據標題與說明
- 影片高階中文
LLM Inference Enhanced by External Knowledge: A Survey（在新分頁開啟原站）
這篇影片介紹了如何透過外部知識增強大語言模型的推理能力，並提供了一個全面的調查報告，幫助讀者理解相關技術。
※ 摘要僅根據標題與說明
- 影片入門中文
Augment or Not? A Comparative Study of Pure and Augmented Large Language Model Recommenders（在新分頁開啟原站）
探討純模型與增強大語言模型推薦器，並比較兩者優缺點。
※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 5.3: Representation Learning with Autoencoder 學習好的資料表徵（在新分頁開啟原站）
台大資訊系教授陳縕儂在 NTU MiuLab 的影片，介紹如何透過自編碼器（Autoencoder）學習資料的表徵。
345次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 5.2: K-Means Clustering 怎麼能不知道的K平均演算法（在新分頁開啟原站）
本影片由陳縕儂在 NTU MiuLab 主講，介紹 K-Means 聚類演演算法的基本原理與運作方式。
297次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 5.1: Unsupervised Machine Learning 非監督式機器學習（在新分頁開啟原站）
台大資訊系教授陳縕儂在 NTU MiuLab 的影片，介紹非監督式機器學習的基礎概念與應用。
263次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.8: When to Deep? 甚麼時候適合用深度學習呢（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中指出，深度學習並非萬能，需根據具體情境判斷何時使用，強調需謹慎評估資料與問題性質。
177次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.7: Regularization Techniques for Deep Learning 訓練模型時不能不知道的小撇步（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中指出，訓練深度學習模型時，使用 Regularization Techniques 是避免模型過擬合的關鍵，讀者可掌握其基本應用。
157次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.6: Recurrent Neural Network 處理序列資料你不能不知道的RNN（在新分頁開啟原站）
本影片由台大資訊系教授陳縕儂在 NTU MiuLab 主持，介紹 RNN 如何處理序列資料，並說明其應用場景。
177次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.5: Convolutional Neural Network 處理影像你不能不知道的CNN（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片內介紹了處理影像的 CNN 架構，並說明其核心概念與應用，適合對影像處理感興趣的讀者。
245次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.4: Vanishing Gradient 訓練模型跟人生一樣不順怎麼辦?（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片探討人工智慧模型訓練中常見的梯度消失問題，並以人生為喻說明如何應對挫折與不順遂的時刻。
179次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.3: Representation Learning / Pre-Training 好的開始是成功的一半（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片開頭介紹了 AI 領域的基礎概念，並指出良好的開始是成功的一半。
289次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.2: Backpropagation 參數這麼多到底怎麼有效率算出來的呢?（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片探討人工智慧中 Backpropagation 演算法，解釋為何引數這麼多仍能高效計算，並分析其運作機制。
299次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 4.1: Deep Learning Challenges Recap 使用深度學習會遇到的各個難題（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中指出，使用深度學習時常面臨資料不均衡、模型過擬合、訓練耗時及可解釋性等四大挑戰。
259次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 人工智慧導論 | FAI 3.5: Deep Learning Optimization 訓練深度學習模型需要很多小撇步（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片內介紹了 AI 領域的 Deep Learning Optimization 訓練深度學習模型所需的小撇步。
397次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 3.4: Loss Function Design 甚麼才叫「好」模型呢?（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片探討人工智慧模型評估標準，解釋好模型不僅是準確率高，更需具備可解釋性與公平性。
286次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 3.3: Neural Network Hypothesis 如何建構深度學習的類神經網路（在新分頁開啟原站）
本影片由陳縕儂在 NTU MiuLab 分享，介紹如何從零開始建構深度學習的類神經網路，涵蓋基礎概念與實作步驟。
520次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 3.2: Deep Learning 類神經網路改名為深度學習才能一飛衝天?（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中指出，將人工智慧領域的「類神經網路」改稱為「深度學習」，能讓該技術一飛衝天。
319次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 3.1: Validation 機器學習必問問題 - 如何挑選模型（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片裡介紹了如何挑選適合的機器學習模型，並探討了驗證問題的重要性。
386次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.6: Logistic Regression 超實用的邏輯迴歸你真的懂嗎（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中使用 FAI 1.6 軟體，示範如何透過邏輯迴歸分析資料，並解釋其運作原理與應用。
2,300次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.5: Linear Regression 國中就學過的線性迴歸你還記得嗎（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片中使用 FAI 1.5 工具，演示國中就學過的線性迴歸如何應用於 AI 導論，讓讀者了解基礎數學在機器學習中的實作。
487次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.4: Execution of Machine Learning 機器要開始學習囉~（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片內介紹了人工智慧導論中執行機器學習的部分，說明機器如何開始學習。
460次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.3: Machine Learning Recipe 請按照步驟來用機器學習（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片裡，一步步帶你從零開始學習如何使用機器學習。
739次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.2: What is Machine Learning? 你不能到現在還不懂甚麼是機器學習（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片內解釋機器學習的基本概念，並說明其與傳統程式設計的差異。
※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 人工智慧導論 | FAI 1.1: Linear Models for Supervised Machine Learning 監督式機器學習之線性模型（在新分頁開啟原站）
台大資訊系教授陳縕儂在影片內介紹了監督式機器學習中的線性模型，並說明其基本運作原理與應用場景。
1,000次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 14.7: Multimodality 像人類一樣能看能聽能說話（在新分頁開啟原站）
本影片由台大資訊系陳縕儂老師在 ADL 14.7 課程中，介紹深度學習如何應用於多模態處理，讓 AI 具備像人類一樣同時理解與生成文字、影像與聲音的能力。
1,000次觀看※ 摘要僅根據標題與說明
- 影片進階中文
台大資訊 深度學習之應用 | ADL 14.6: CLIP & DALL·E 2 從語言能力進階到各種模態（在新分頁開啟原站）
本影片由陳縕儂教授在 ADL 14.6 中分享，探討 CLIP 與 DALL·E 2 如何從語言理解進階至多模態生成。內容涵蓋模型架構、訓練策略及實際應用案例，幫助讀者掌握從文字到影象的跨模態技術。
414次觀看※ 摘要僅根據標題與說明
- 影片入門中文
台大資訊 深度學習之應用 | ADL 14.5: Self-Supervised Learning (Self Prediction + Contrastive Learning) 自監督式學習（在新分頁開啟原站）
本影片由台大資訊系教授陳縕儂在 ADL 課程中講解深度學習之應用，重點在於自監督式學習（Self-Supervised Learning），涵蓋自預測與對比式學習兩大技術。
474次觀看※ 摘要僅根據標題與說明
