MakerPRO知識庫 Maker電子學AI模型AI開發技術AI解決方案AI Robotics Flash記憶體 Flash 記憶體的原理與應用—PART21 Flash 記憶體的原理與應用—PART22 Flash 記憶體的原理與應用—PART20 Flash 記憶體的原理與應用—PART19 Flash記憶體的原理與應用—PART18 Flash記憶體的原理與應用—PART17 Flash記憶體的原理與應用—PART16（SmartMedia） Flash 記憶體的原理與應用—PART15 Flash 記憶體的原理與應用—PART14 Flash 記憶體的原理與應用—PART13 步進馬達 步進馬達的原理與驅動—PART10 步進馬達的原理與驅動—PART9 步進馬達的原理與驅動—PART8 步進馬達的原理與驅動—PART7 步進馬達的原理與驅動—PART6 步進馬達的原理與驅動—PART5 步進馬達的原理與驅動—PART4 步進馬達的原理與驅動—PART3 步進馬達的原理與驅動—PART2 步進馬達的原理與驅動 — PART1 USB電源 USB 電源供應徹底研究—PART9 USB 電源供應徹底研究—PART8 USB 電源供應徹底研究—PART7 USB 電源供應徹底研究—PART6 USB 電源供應徹底研究—PART5 USB 電源供應徹底研究—PART4 USB 電源供應徹底研究—PART3 USB 電源供應徹底研究—PART2 USB 電源供應徹底研究—PART1 高頻系統 淺談高頻系統的原理與設計—PART24：NanoVNA 淺談高頻系統的原理與設計—PART23：高頻零件選用 淺談高頻系統的原理與設計—PART22：陶瓷電容 淺談高頻系統的原理與設計—PART21：史密斯圖(7) 淺談高頻系統的原理與設計—PART20：史密斯圖(6) 淺談高頻系統的原理與設計—PART19：史密斯圖(5) 淺談高頻系統的原理與設計—PART18：史密斯圖(4) 淺談高頻系統的原理與設計—PART17：史密斯圖(3) 淺談高頻系統的原理與設計—PART16：史密斯圖(2) 淺談高頻系統的原理與設計 — PART15：史密斯圖(1) GPS接收器 GPS 接收器的原理與應用—PART7 GPS 接收器的原理與應用—PART6 GPS 接收器的原理與應用—PART5 GPS 接收器的原理與應用 — PART4 GPS 接收器的原理與應用 — PART3 GPS 接收器的原理與應用—PART2 GPS 接收器的原理與應用—PART 1 壓電蜂鳴器 壓電蜂鳴器的原理與應用 — 特別篇 壓電蜂鳴器的原理與應用—應用篇 壓電蜂鳴器的原理與應用—原理篇 交換式電源 漫談交換式電源的原理與設計—PART 14 漫談交換式電源的原理與設計—PART 13 漫談交換式電源的原理與設計—PART 12 漫談交換式電源的原理與設計—PART 10 漫談交換式電源的原理與設計—PART 11 漫談交換式電源的原理與設計—PART9 漫談交換式電源的原理與設計—PART 8 漫談交換式電源的原理與設計—PART 7 漫談交換式電源的原理與設計—PART 6 漫談交換式電源的原理與設計—PART 5 電源系統 淺談電源系統的濾波設計 漫談電源系統的原理與設計—PART 8 漫談電源系統的原理與設計 — PART 7 漫談電源系統的原理與設計—PART 6 漫談電源系統的原理與設計—PART 5 漫談電源系統的原理與設計—PART 4 漫談電源系統的原理與設計—PART 3 漫談電源系統的原理與設計—PART 2 漫談電源系統的原理與設計—PART1 時脈元件 石英晶體時脈元件的原理與應用—PART 4 石英晶體時脈元件的原理與應用 — PART 3 石英晶體時脈元件的原理與應用 — PART 2 石英晶體時脈元件的原理與應用 — PART 1 OLED 小型 OLED 顯示裝置的原理與應用—PART 5 小型 OLED 顯示裝置的原理與應用—PART4 小型 OLED 顯示裝置的原理與應用—PART 3 小型 OLED 顯示裝置的原理與應用—PART 2 小型 OLED 顯示裝置的原理與應用 — PART 1 I2C I2C 界面解密 — PART8 準位轉換 I2C 界面解密 — PART 7 拉起電阻 I2C 界面解密 — PART 6 仲裁協定 I2C 界面解密 — PART 5 時脈擴展 I2C 界面解密—PART 4 I2C 界面解密 — PART 3 I2C 界面解密 — PART 2 I2C 界面解密 — PART 1 SPI SPI 界面解密 — PART 4 SPI 界面解密—PART 3 SPI 界面解密—PART 2 SPI 界面解密—PART 1 UART 認識UART界面#4 — 電氣特性 認識UART界面#3—RS-485 認識UART界面#2—通訊標準 認識UART界面#1—訊號格式 Multimodal AI OpenVINO 2025.0提升了什麼新功能？ NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 訓練機器人互相學習：DeepMind 的 RT-X基礎模型 單模態到多模態：LLM、VLM、Video-LM VLM如何「看見」影像：ViT Inference 認識IPEX-LLM：LLM模型最佳化的PyTorch工具 OpenVINO 2025.0提升了什麼新功能？ 你知道AI模型壓縮技術「量化」- Quantization嗎？ LLM 認識IPEX-LLM：LLM模型最佳化的PyTorch工具 SLM小型語言模型的認定與範例比較 OpenVINO 2025.0提升了什麼新功能？ 認識超輕量語言模型 TinyLlama – 只有1.1B！ SLM SLM小型語言模型的認定與範例比較 AI Deployment 用Yocto Project打造輕量、客製化、高性能的 AI 邊緣系統 AI 部署策略：雲端、地端或混合雲，企業該如何選擇？ AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm AI框架 YOLOv12 整合Transformer 的技術創新 認識支援廣泛的Edge AI開發工具：ExecuTorch YOLOv12的改變：向Transformer、Attention靠攏！ AI物件辨識技術比一比：ViT vs YOLO VLM如何「看見」影像：ViT AI的上手平台 – Hugging Face 認識AI框架：Pytorch vs. TensorFlow AI工具 AI程式助手：GitHub Copilot 是什麼？ n8n整合AI之常見應用及創建流程 Node-RED整合AI、RAG，讓IOT工作流程變聰明 Intel 認識IPEX-LLM：LLM模型最佳化的PyTorch工具 OpenVINO 2025.0提升了什麼新功能？ AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm NVIDIA NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 開發AI用途的AIPC：NVIDIA DGX Spark、DGX Station NVIDIA提出的人形機器人開發關鍵技術：Eagle-2 VLM模型、DexMimicGen、Jetson Thor 為人形機器人設計的開放式基礎模型： GR00T N1 AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm Qualcomm 認識Qualcomm AI 模型優化工具：AIMET AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm 認識高通AI開發平台：Qualcomm AI Hub Google NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 訓練機器人互相學習：DeepMind 的 RT-X基礎模型 ARM 認識ARM Ethos-U85微神經處理器（MicroNPU） 為IoT最佳化而生：Armv9架構邊緣AI平台 ADI 認識ADI低功耗AI MCU – MAX78000 基礎模型 NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 訓練機器人互相學習：DeepMind 的 RT-X基礎模型 NVIDIA提出的人形機器人開發關鍵技術：Eagle-2 VLM模型、DexMimicGen、Jetson Thor 為人形機器人設計的開放式基礎模型： GR00T N1 相關文章
Flash記憶體 Flash 記憶體的原理與應用—PART21 Flash 記憶體的原理與應用—PART22 Flash 記憶體的原理與應用—PART20 Flash 記憶體的原理與應用—PART19 Flash記憶體的原理與應用—PART18 Flash記憶體的原理與應用—PART17 Flash記憶體的原理與應用—PART16（SmartMedia） Flash 記憶體的原理與應用—PART15 Flash 記憶體的原理與應用—PART14 Flash 記憶體的原理與應用—PART13
步進馬達 步進馬達的原理與驅動—PART10 步進馬達的原理與驅動—PART9 步進馬達的原理與驅動—PART8 步進馬達的原理與驅動—PART7 步進馬達的原理與驅動—PART6 步進馬達的原理與驅動—PART5 步進馬達的原理與驅動—PART4 步進馬達的原理與驅動—PART3 步進馬達的原理與驅動—PART2 步進馬達的原理與驅動 — PART1
USB電源 USB 電源供應徹底研究—PART9 USB 電源供應徹底研究—PART8 USB 電源供應徹底研究—PART7 USB 電源供應徹底研究—PART6 USB 電源供應徹底研究—PART5 USB 電源供應徹底研究—PART4 USB 電源供應徹底研究—PART3 USB 電源供應徹底研究—PART2 USB 電源供應徹底研究—PART1
高頻系統 淺談高頻系統的原理與設計—PART24：NanoVNA 淺談高頻系統的原理與設計—PART23：高頻零件選用 淺談高頻系統的原理與設計—PART22：陶瓷電容 淺談高頻系統的原理與設計—PART21：史密斯圖(7) 淺談高頻系統的原理與設計—PART20：史密斯圖(6) 淺談高頻系統的原理與設計—PART19：史密斯圖(5) 淺談高頻系統的原理與設計—PART18：史密斯圖(4) 淺談高頻系統的原理與設計—PART17：史密斯圖(3) 淺談高頻系統的原理與設計—PART16：史密斯圖(2) 淺談高頻系統的原理與設計 — PART15：史密斯圖(1)
GPS接收器 GPS 接收器的原理與應用—PART7 GPS 接收器的原理與應用—PART6 GPS 接收器的原理與應用—PART5 GPS 接收器的原理與應用 — PART4 GPS 接收器的原理與應用 — PART3 GPS 接收器的原理與應用—PART2 GPS 接收器的原理與應用—PART 1
交換式電源 漫談交換式電源的原理與設計—PART 14 漫談交換式電源的原理與設計—PART 13 漫談交換式電源的原理與設計—PART 12 漫談交換式電源的原理與設計—PART 10 漫談交換式電源的原理與設計—PART 11 漫談交換式電源的原理與設計—PART9 漫談交換式電源的原理與設計—PART 8 漫談交換式電源的原理與設計—PART 7 漫談交換式電源的原理與設計—PART 6 漫談交換式電源的原理與設計—PART 5
電源系統 淺談電源系統的濾波設計 漫談電源系統的原理與設計—PART 8 漫談電源系統的原理與設計 — PART 7 漫談電源系統的原理與設計—PART 6 漫談電源系統的原理與設計—PART 5 漫談電源系統的原理與設計—PART 4 漫談電源系統的原理與設計—PART 3 漫談電源系統的原理與設計—PART 2 漫談電源系統的原理與設計—PART1
OLED 小型 OLED 顯示裝置的原理與應用—PART 5 小型 OLED 顯示裝置的原理與應用—PART4 小型 OLED 顯示裝置的原理與應用—PART 3 小型 OLED 顯示裝置的原理與應用—PART 2 小型 OLED 顯示裝置的原理與應用 — PART 1
I2C I2C 界面解密 — PART8 準位轉換 I2C 界面解密 — PART 7 拉起電阻 I2C 界面解密 — PART 6 仲裁協定 I2C 界面解密 — PART 5 時脈擴展 I2C 界面解密—PART 4 I2C 界面解密 — PART 3 I2C 界面解密 — PART 2 I2C 界面解密 — PART 1
Multimodal AI OpenVINO 2025.0提升了什麼新功能？ NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 訓練機器人互相學習：DeepMind 的 RT-X基礎模型 單模態到多模態：LLM、VLM、Video-LM VLM如何「看見」影像：ViT
LLM 認識IPEX-LLM：LLM模型最佳化的PyTorch工具 SLM小型語言模型的認定與範例比較 OpenVINO 2025.0提升了什麼新功能？ 認識超輕量語言模型 TinyLlama – 只有1.1B！
AI Deployment 用Yocto Project打造輕量、客製化、高性能的 AI 邊緣系統 AI 部署策略：雲端、地端或混合雲，企業該如何選擇？ AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm
AI框架 YOLOv12 整合Transformer 的技術創新 認識支援廣泛的Edge AI開發工具：ExecuTorch YOLOv12的改變：向Transformer、Attention靠攏！ AI物件辨識技術比一比：ViT vs YOLO VLM如何「看見」影像：ViT AI的上手平台 – Hugging Face 認識AI框架：Pytorch vs. TensorFlow
NVIDIA NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 開發AI用途的AIPC：NVIDIA DGX Spark、DGX Station NVIDIA提出的人形機器人開發關鍵技術：Eagle-2 VLM模型、DexMimicGen、Jetson Thor 為人形機器人設計的開放式基礎模型： GR00T N1 AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm
Qualcomm 認識Qualcomm AI 模型優化工具：AIMET AI運算雲平台比較：NVIDIA vs. Intel vs. Qualcomm 認識高通AI開發平台：Qualcomm AI Hub
基礎模型 NVIDIA 與 Google 的通用機器人AI技術，是競爭或互補？ 訓練機器人互相學習：DeepMind 的 RT-X基礎模型 NVIDIA提出的人形機器人開發關鍵技術：Eagle-2 VLM模型、DexMimicGen、Jetson Thor 為人形機器人設計的開放式基礎模型： GR00T N1
