上一篇我們完成 Oracle Database 23ai Free 的開發環境，如果還沒設定好的話，請看 Win 安裝 Oracle VM VirtualBox + Database 23ai。
本篇會先帶大家了解向量搜尋基本概念後，再分享如何使用 Oracle 資料庫和 LangChain 建立一個 RAG 應用，是參照 Oracle LiveLabs 這篇 AI Vector Search - 7 Easy Steps to Building a RAG Application using LangChain 的教學來實現「使用 Oracle 向量資料庫和 LangChain 開發 RAG 應用」。
由於 Oracle Database 23ai 版本新增了向量資料庫和向量搜尋的功能，當然就要來用看看！但在申請 Oracle Cloud 免費版時，我遇到了信用卡驗證的問題(反覆試信用卡是有跳出被刷了10幾次R)。
為了能夠體驗 Oracle Database 23ai Free 版本，我選擇在本地環境中安裝 Oracle VM VirtualBox。本文將一步一步帶著你在 Windows 系統上成功設置 Oracle VM VirtualBox 和 Oracle Database 23ai，同時安裝 Python 和 VS Code，打造一個適合碼農開發的環境。(花了我2天QQ)
Oracle APEX 是用於 Oracle 資料庫的低代碼應用開發平台，我們會依照 Oracle LiveLabs 這篇文章 Smart Project Management App with AI-Assisted Development in Oracle APEX 中的一步一步的教學引導，在 Oracle APEX AI Assistant 輔助(沒有AI幫忙不會寫程式了😂)下建立一個專案管理應用程式，詳細請看 這篇教學。
本篇文章介紹卷積神經網路(CNN)，並實作了一個自定義的 CNN 模型來識別 MNIST 手寫資料集。
一般訓練模型時，會將資料集切割成 3 部份，訓練集(train)、驗證集(validation)與測試集(test)。在訓練階段，AutoKeras 會使用訓練集來訓練模型，並使用驗證集來評估訓練表現。當模型訓練完成，我們就會使用測試集做模型的評估。
在本篇中，我們會介紹該如何準備資料集以及資料夾的結構，以便 AutoKeras 能夠正確地讀取數據。
無論是哪種類型的數據(如數值、文字、圖像、音頻)，在進入機器學習模型之前，這些數據都會經過適當的預處理轉換成數值形式，然後進一步轉換成張量(Tensor)供模型使用。
若在部署 Hexo 時，出現無法打開「fsevents.node」的錯誤，可以試著用以下方式解決。
本系列是這本書「AutoML 自動化機器學習：用 AutoKeras 超輕鬆打造高效能 AI 模型」的學習筆記，並融入了我所補充整理的額外資料。
想了解 AutoML 的主要概念，請看 【AutoML】自動化機器學習 - AutoML入門。而本篇會介紹如何安裝 AutoKeras，並且怎麼用 AutoKeras 來訓練 MNIST 的圖像分類器和迴歸器。
本文詳細介紹了在 Windows 11 上啟用 NVIDIA MX450 GPU 的步驟，包括確認基本軟硬體、安裝 CUDA 和 cuDNN、驗證 TensorFlow 和 PyTorch 是否可使用 GPU。
本系列是這本書「AutoML 自動化機器學習：用 AutoKeras 超輕鬆打造高效能 AI 模型」的學習筆記，並融入了我所補充整理的額外資料。
這篇文章介紹了深度學習(Deep Learning, DL)的基本概念，及神經網路的結構和工作方式。以辨識手寫數字的神經網路為例，說明神經網路如何在不同層生成各種特徵，並最終結合這些特徵來進行預測。