Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

人工智慧在台灣: 產業轉型的契機與挑戰

1,235 views

Published on

有人說,資料是新時代的石油;那麼,人工智慧 (AI) 就是新時代的電力,未來將不會有任何現代產業與 AI 無關。

問題在於 AI 技術的引入會面臨兩大挑戰,挑戰一,AI 是解決特定問題的技術:同樣是深度學習模型,要解決什麼問題,能解決什麼問題,能解到什麼程度,產生多少價值,在每家公司都不一樣,多元性及客製化程度遠比導入 ERP (企業資源計畫)、 CRM (客戶關係管理) 系統高得太多。例如,同樣是 AOI (自動光學檢測) 技術,在 A 公司做來檢測電路板的瑕疵,在 B 公司檢測織物的瑕疵,在 C 公司檢測玻璃的瑕疵,以高標準來要求的話,絕對不是調整參數就好。因此,未來的五年甚至更久的時間內,很難期待會有套裝系統可以直接購入及進行簡單客製化,符合各產業、各公司、各種問題的期待。

挑戰二,AI 並沒有辦法 plug & play (即插即用):目前的 AI 皆由機器學習模型來驅動,而機器學習必須要有大量資料來訓練。若公司內原本並沒有蒐集某個想要解決的問題的資料,或是資料蒐集時間不夠長,任你找到絕世高手或買到厲害的系統也沒有用。例如,若要進行未來半年的某產品銷量預測,通常需要該產品或同類型產品及競品在過去三年或五年以上資料,以及搭配的各式環境因素、客戶訂單資料等等。若是沒有這些資料準備好,AI 系統就是不能動,沒有油就沒有辦法發電的道理。

幸運的是,這一波 (也是人類史上的第三波) 的 AI 浪潮伴隨著「人工智慧民主化 (AI Democratization)」的趨勢,最重要的概念是,AI 技術不應該只被某些跨國企業所壟斷,應該讓所有需要的人都有機會參與及使用。具體的作法包含各種深度學習開發工具及模型的開放源碼,以及各式最新核心技術的分享等等。

我個人所看到的是機會,因為這個 AI 民主化趨勢,AI 技術發展在各領域所帶來的機會無窮無盡,是習慣等待國外大廠解決方案的我們應該把握的。

當然,目前普遍遇到的挑戰是 AI 人才的缺乏,台灣人工智慧學校為此而成立。希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙,同時建立「自己的問題自己解決」的文化,打破被技術殖民的慣性,重建社會自信。

台灣人工智慧學校將以最好的師資及與產學界的密切合作,進行人工智慧技術人才的密集培訓。讓不同專業領域的學員都能如虎添翼,以人工智慧加上原本的領域知識,具備協助各企業解決問題,以及帶領人工智慧團隊的能力。他們將擔任技術種子角色,深入台灣產業的各個層面,以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。

我將在這場演講中,分享台灣人工智慧學校的來龍去脈,如何從一個稱為 Project Theta 的計畫開始,慢慢確認人才培育的需求,以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始...

Published in: Data & Analytics
  • DOWNLOAD FULL BOOKS, INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • DOWNLOAD FULL BOOKS, INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y3nhqquc } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • DOWNLOAD FULL BOOKS, INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... 1.DOWNLOAD FULL. PDF EBOOK here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... 1.DOWNLOAD FULL. EPUB Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... 1.DOWNLOAD FULL. doc Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

人工智慧在台灣: 產業轉型的契機與挑戰

  1. 1. 陳昇瑋 台灣人工智慧學校執行長
  2. 2. 台灣人工智慧學校 執行長 玉山金融控股公司 科技長 中央研究院資訊所 研究員 人工智慧科技基金會 董事長 科技生態發展公益基金會 執行長
  3. 3. 10
  4. 4. 11
  5. 5. 16
  6. 6. 陳昇瑋 / 人工智慧民主化在台灣 博藍尼悖論 (Polanyi's Paradox) 18 我們懂的事情, 比我們能表達出來的更多。 哲學家博藍尼在 1964 年說明了這個現象: 博藍尼悖論不只限制我們能告訴另一個人的事情,一直以來,也為我們賦予機器 智慧的能力,設下根本的限制。長久以來,這限制了機器在經濟中能有效執行的 活動。
  7. 7. 陳昇瑋 / 人工智慧民主化在台灣 人工智慧發展簡史 19 第三波 2010 - 機器學習 1950 - 1970 第一波 邏輯推理 1980 - 1990 第二波 知識表達 第二次 AI 冬天 第一次 AI 冬天
  8. 8. 23
  9. 9. 陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 機器學習 24 Training a prediction machine by showing examples instead of programming it. -Yann LeCun (prediction machine: 可基於已知預測未知的數學模型)
  10. 10. 陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 機器學習的定義 25 讓電腦能從資料裡頭淬取出 規則的演算法。 Find the common patterns from the left waveforms It seems impossible to write a program for speech recognition 你好 你好 你好 你好 You quickly get lost in the exceptions and special cases. (Slide Credit: Hung-Yi Lee)
  11. 11. 陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 就放棄教電腦規則,讓它自己學吧! 你好 大家好 人帥真好 You said “你好” 很多訓練資料 機器學習演算法 從訓練資料中 找到規則 (Slide Credit: Hung-Yi Lee)
  12. 12. 陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 機器學習學到的規則 跟你想的不太一樣 28
  13. 13. 陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 現代機器學習算法所學到的複雜規則 29
  14. 14. 陳昇瑋 / 人工智慧民主化在台灣 A Gaydar 30 Based on 35,000 facial images Human judges: 61% for men, 54% for women AI judges: 91% for men, 83% for women A heat map of where the algorithm looks to detect signs of homosexuality (Kosinski and Wang) https://osf.io/zn79k/
  15. 15. 32
  16. 16. 陳昇瑋 / 人工智慧民主化在台灣 33
  17. 17. 陳昇瑋 / 人工智慧民主化在台灣 34
  18. 18. 陳昇瑋 / 人工智慧民主化在台灣 35
  19. 19. 陳昇瑋 / 人工智慧民主化在台灣 36
  20. 20. 陳昇瑋 / 人工智慧民主化在台灣 37
  21. 21. 38
  22. 22. 陳昇瑋 / 人工智慧民主化在台灣 Machine learning can be highly flexible • Speech Recognition • Handwritten Recognition • Playing Go • Dialogue System ( )=*f ( )=*f ( )=*f ( )=*f “2” “Morning” “5-5” “Hello”“Hi” (what the user said) (system response) (step) (Slide Credit: Hung-Yi Lee)
  23. 23. 陳昇瑋 / 人工智慧民主化在台灣 多數 AI 應用是讓機器學會一個對應關係 40
  24. 24. 陳昇瑋 / 人工智慧民主化在台灣 Deep Learning, Machine Learning, and AI 44
  25. 25. Healthy Diseased Hemorrhages No DR Mild DR Moderate DR Severe DR Proliferative DR 1 2 3 4 5
  26. 26. 陳昇瑋 / 人工智慧民主化在台灣 48 Classical Machine Learning Deep Learning Rule-based System Rule extraction
  27. 27. 陳昇瑋 / 人工智慧民主化在台灣 50
  28. 28. 陳昇瑋 / 人工智慧民主化在台灣 51 Using Deep Learning
  29. 29. 陳昇瑋 / 人工智慧民主化在台灣 There is no free lunch 52 Classical Machine Learning Deep Learning
  30. 30. 58(Slide Credit: McKinsey&Company) 機器學習在各行各業都已有許多充滿潛力的應用
  31. 31. 陳昇瑋 / 人工智慧民主化在台灣 66 RECENT ADVANCES IN DEEP LEARNING
  32. 32. The ImageNet Benchmark in Object Classification: Example Images in the Bird Class 67 (Classify 256x256 images into one of a thousand categories)
  33. 33. 陳昇瑋 / 人工智慧民主化在台灣 69
  34. 34. 陳昇瑋 / 人工智慧民主化在台灣 70
  35. 35. 陳昇瑋 / 人工智慧民主化在台灣 Auto Coloring 71 https://paintschainer.preferred.tech/index_zh.html https://zhuanlan.zhihu.com/p/24712438
  36. 36. 陳昇瑋 / 人工智慧民主化在台灣 Colorful Image Colorization 72 Zhang, Richard, Phillip Isola, and Alexei A. Efros. "Colorful image colorization." European Conference on Computer Vision. Springer International Publishing, 2016.
  37. 37. 陳昇瑋 / 人工智慧民主化在台灣 Colorful Image Colorization 73 http://richzhang.github.io/colorization/ A 313-class classification problem Input: 224x224x1 (L) Model output: 64x64x313 Pixel values: annealed mean of 313 colors
  38. 38. 陳昇瑋 / 人工智慧民主化在台灣 Colorizing Legacy Photos 74
  39. 39. 陳昇瑋 / 人工智慧民主化在台灣 GENERATIVE MODELS 75
  40. 40. 陳昇瑋 / 人工智慧民主化在台灣 Truth vs. Generated Samples 78 https://metacademy.org/roadmaps/rgrosse/deep_learning
  41. 41. 陳昇瑋 / 人工智慧民主化在台灣 Source of images: https://zhuanlan.zhihu.com/p/24767059 DCGAN: https://github.com/carpedm20/DCGAN-tensorflow (Slide Credit: Hung-Yi Lee) Anime Girl Face Generation
  42. 42. 陳昇瑋 / 人工智慧民主化在台灣 100 rounds (Slide Credit: Hung-Yi Lee) Anime Girl Face Generation
  43. 43. 1000 rounds (Slide Credit: Hung-Yi Lee) Anime Girl Face Generation
  44. 44. 5000 rounds (Slide Credit: Hung-Yi Lee) Anime Girl Face Generation
  45. 45. 50,000 rounds (Slide Credit: Hung-Yi Lee) Anime Girl Face Generation
  46. 46. BEGAN (Boundary Equilibrium GAN) Berthelot, David,Tom Schumm, and Luke Metz. "Began: Boundary equilibrium generative adversarial networks." arXiv preprint arXiv:1703.10717(2017). https://github.com/carpedm20/BEGAN-tensorflow
  47. 47. 陳昇瑋 / 人工智慧民主化在台灣 https://thispersondoesnotexist.com/ 86
  48. 48. 陳昇瑋 / 人工智慧民主化在台灣 StyleGAN 87 https://www.technologyreview.com/s/612612/these-incredibly-real-fake-faces-show- how-algorithms-can-now-mess-with-us/ https://www.youtube.com/watch?time_continue=362&v=kSLJriaOumA
  49. 49. 陳昇瑋 / 人工智慧民主化在台灣 StyleGAN for cats 88 https://buzzorange.com/techorange/2019/02/15/reve nge-for-valentines-day/
  50. 50. 陳昇瑋 / 人工智慧民主化在台灣 StyleGAN failed cases 89 https://buzzorange.com/techorange/2019/02/ 11/cat-style-gan/
  51. 51. 陳昇瑋 / 人工智慧民主化在台灣 90 https://buzzorange.com/techorange/2019/02/ 15/revenge-for-valentines-day/
  52. 52. Sheng-Wei Chen / AI Now: A Data Science Perspective AI 自動生成二次元妹子? 或將替代插畫師部分工作 93 http://bangqu.com/b4U76M.htmlhttp://make.girls.moe/#/
  53. 53. 陳昇瑋 / 人工智慧民主化在台灣 Interactive Image Translation with pix2pix-tensorflow https://affinelayer.com/pixsrv/
  54. 54. 陳昇瑋 / 人工智慧民主化在台灣 CycleGAN 97
  55. 55. 陳昇瑋 / 人工智慧民主化在台灣 Horse <-> Zibra 98
  56. 56. Deepfakes 100 https://www.inside.com.tw/2017/12/13/gal-gadot-fake-ai-porn http://www.businessinsider.com/obama-deepfake-video-insulting-trump-2018-4
  57. 57. 陳昇瑋 / 人工智慧民主化在台灣 NATURAL LANGUAGE PROCESSING (NLP) 102
  58. 58. 陳昇瑋 / 人工智慧民主化在台灣 Natural Language Processing (NLP): Some Sentence Generation Examples by GTP-2 103 Bad news: The technology can be used in generating fake news Transformer based (Slide credit: HT Kung)
  59. 59. 陳昇瑋 / 人工智慧民主化在台灣 More text generation samples 104https://openai.com/blog/better-language-models/
  60. 60. 陳昇瑋 / 人工智慧民主化在台灣 BERT and GPT-2 105 ● Both BERT (from Google) and GPT-2 (OpenAI) are general purpose pretrained NLP Feature Extractors based on the Transformer trained on enormous amounts of text data. ● These models can be fine-tuned on small-data NLP tasks (like question answering), resulting in substantial accuracy improvements compared to training on these datasets from scratch Pretrained BERT/GPT-2 Additional classifier for your own tasks The pretrained feature extractor Based on Transformer
  61. 61. 陳昇瑋 / 人工智慧民主化在台灣 Advances of NLP Models in Recent Years 106 Deeper models, Larger Datasets Better Features! Performance Improvement: ~20% Reuse of pre-training BERT/GPT-2: models. Impact is similar to that of ImageNet in computer vision Paper on theTransformer:Vaswani, A. et al, “Attention Is AllYou Need,” NIPS 2017 One-hot Word Embedding ELMo BERT GPT-2 milestone Transformer based BooksCorpus (800M words) + Wikipedia (2,500M words) scraped content from the Internet of 8 million web pages WMT 2011 (800M words) WMT 2011 (800M words) Large-scale dataset like ImageNet RNN based Development of pretrained ‘feature extractor’ for NLP tasks:
  62. 62. 陳昇瑋 / 人工智慧民主化在台灣 REINFORCEMENT LEARNING 111
  63. 63. 112
  64. 64. 陳昇瑋 / 人工智慧民主化在台灣 Learn from interaction w/ environment to achieve a goal Reinforcement Learning 114 https://www.youtube.com/watch?v=IXuHxkpO5E8
  65. 65. 陳昇瑋 / 人工智慧民主化在台灣 Learning to play Go Supervised v.s. Reinforcement 115(Slide Credit: Hung-Yi Lee)
  66. 66. 陳昇瑋 / 人工智慧民主化在台灣 117 https://www.youtube.com/watch?v=SHLuf2ZBQSw
  67. 67. 陳昇瑋 / 人工智慧民主化在台灣 NVidia Self Driving Car, 2016
  68. 68. 陳昇瑋 / 人工智慧民主化在台灣 Typical Applications of RL Play games: Atari, poker, Go, ... Explore worlds: 3D worlds, Labyrinth, ... Control physical systems: manipulate, walk, swim, ... Interact with users: recommend, optimize, personalize, ... 121 (Slide credit: David Silver)
  69. 69. 陳昇瑋 / 人工智慧民主化在台灣 More RL Applications Flying Helicopter Driving Google Cuts Its Giant Electricity Bill With DeepMind- Powered AI Parameter tuning in manufacturing lines Text generation Hongyu Guo, “Generating Text with Deep Reinforcement Learning”, NIPS, 2015 Marc'AurelioRanzato,SumitChopra,Michael Auli,Wojciech Zaremba, “Sequence Level Training with Recurrent Neural Networks”, ICLR, 2016 122(Slide Credit: Hung-Yi Lee)
  70. 70. 陳昇瑋 / 人工智慧民主化在台灣 123
  71. 71. 陳昇瑋 / 人工智慧民主化在台灣 124
  72. 72. 人工智慧發展策略建議 AI IN MEDICINE 127
  73. 73. 陳昇瑋 / 人工智慧民主化在台灣 130
  74. 74. 0.95 F-score Algorithm Ophthalmologist (median) 0.91 “The study by Gulshan and colleagues truly represents the brave new world in medicine.” “Google just published this paper in JAMA (impact factor 44.405) [...] It actually lives up to the hype.” Dr. Andrew Beam, Dr. Isaac Kohane Harvard Medical School Dr. Luke Oakden-Rayner University of Adelaide
  75. 75. 陳昇瑋 / 人工智慧民主化在台灣 Deep Learning for Detection of Diabetic Eye Disease (2016) 132 Algorithm’s F1-score: 0.95 Median F1-score of 8 ophthalmologists : 0.91
  76. 76. 陳昇瑋 / 人工智慧民主化在台灣 133
  77. 77. 134OCT: Optical CoherenceTomography (干涉光視網膜斷層掃描)
  78. 78. 136
  79. 79. 陳昇瑋 / 人工智慧民主化在台灣 139
  80. 80. 陳昇瑋 / 人工智慧民主化在台灣 Top 5 Causes of Deaths 140 (Ref: Medical error—the third leading cause of death in the US |The BMJ)
  81. 81. arxiv.org/abs/1703.02442 Tumor localization score (FROC): model: 0.89 pathologist: 0.73 (Slide Credit: Google Brain)
  82. 82. 陳昇瑋 / 人工智慧民主化在台灣 143 Deep Learning for Kidney Function Classification and Prediction using Ultrasound-based Imaging Chin-Chi Kuo1, Chun-Min Chang2, Kuan-Ting Liu2, Wei-Kai Lin2, Chih-Wei Chung1, and Kuan-Ta Chen2 1Big Data Center, China Medical University Hospital, China Medical University, Taichung, Taiwan 2Institute of Information Science, Academia Sinica, Taiwan eGFR (腎功能指數)
  83. 83. 陳昇瑋 / 人工智慧民主化在台灣 144
  84. 84. Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks 150 Goal: diagnose irregular heart rhythms, also known as arrhythmias, from single-lead ECG signals better than a cardiologist
  85. 85. 陳昇瑋 / 人工智慧民主化在台灣 Input and Output Input: a time-series of raw ECG signal The 30 second long ECG signal is sampled at 200 Hz From 29,163 patients Output: a sequence of rhythm classes The model outputs a new prediction once every second Total 14 rhythm classes are identified 151
  86. 86. 陳昇瑋 / 人工智慧民主化在台灣 152
  87. 87. 陳昇瑋 / 人工智慧民主化在台灣 Model 34 layers NN 16 residual blocks 2 conv layers per block Filter length = 16 samples # filter = 64*k, k start from 1 and is incremented every 4-th residual block Every residual block subsamples its input by a factor of 2 153
  88. 88. 陳昇瑋 / 人工智慧民主化在台灣 Results – F1 score 154
  89. 89. 陳昇瑋 / 人工智慧民主化在台灣 Google Healthcare Focuses 156
  90. 90. Predictive tasks for healthcare Given a large corpus of training data of de-identified medical records, can we predict interesting aspects of the future for a patient not in the training set? ● will patient be readmitted to hospital in next N days? ● what is the likely length of hospital stay for patient checking in? ● what are the most likely diagnoses for the patient right now? and why? ● what medications should a doctor consider prescribing? ● what tests should be considered for this patient? ● which patients are at highest risk for X in next month? Collaborating with several healthcare organizations, including UCSF, Stanford, and Univ. of Chicago. Have early promising results (no public paper yet)
  91. 91. 167 AI in Finance
  92. 92. 168 AI is bringing new solutions to age-old problems.
  93. 93. 陳昇瑋 / 人工智慧民主化在台灣 AI in Finance Applications 169
  94. 94. A spectrum of learning tasks • Low-dimensional data (e.g. less than 100 dimensions) • Lots of noise in the data • There is not much structure in the data, and what structure there is, can be represented by a fairly simple model. • The main problem is distinguishing true structure from noise. • High-dimensional data (e.g. more than 1000+ dimensions) • The noise is not sufficient to obscure the structure in the data if we process it right. • There is a huge amount of structure in the data, but the structure is too complicated to be represented by a simple model. • The main problem is figuring out a way to represent complicated structure that allows it to be learned. Statistics --------------------- Deep Learning
  95. 95. Rule-based AI
  96. 96. 陳昇瑋 / 人工智慧民主化在台灣 172
  97. 97. 174
  98. 98. 陳昇瑋 / 人工智慧民主化在台灣 175 85%
  99. 99. 陳昇瑋 / 人工智慧民主化在台灣 Algorithmic Trading 176 Algorithmic finance is roughly a $1 trillion market (as of early 2018) Growing at 10.3% CAGR [1] 90% volume in the public equities markets 50% volume in the futures markets 6 of the top 10 hedge funds based on performance are quant funds and most of those are quant funds in commodities markets. [1] source:Technavio’s 2016 report: Global AlgorithmicTrading Market 2016-2020
  100. 100. 陳昇瑋 / 人工智慧民主化在台灣 Algo. trading is somewhat lagged in Asia 177
  101. 101. 陳昇瑋 / 人工智慧民主化在台灣 Top-rank Hedge Funds using AI Two Sigma (http://www.twosigma.com/) PDT Partners (http://www.pdtpartners.com/) DE Shaw (http://www.deshaw.com/) Winton Capital Management (https://www.wintoncapital.com/) Ketchum Trading, LLC (http://www.ketchumtrading.com/) Citadel (http://www.citadel.com) Voleon (http://voleon.com) Vatic Labs (http://www.vaticlabs.com) Cubist, aka Point72 (https://www.point72.com/careers/...) Man AHL (https://www.ahl.com) Renaissance Technologies Rebellion Research 178
  102. 102. 陳昇瑋 / 人工智慧民主化在台灣 Algorithmic Trading in Hedge Funds 179
  103. 103. 陳昇瑋 / 人工智慧民主化在台灣 But, AI is still far from perfect 180 http://www.eurekahedge.com/Indices/IndexView/Eurekahedge/683/Eurekahedge_AI _Hedge_fund_Index
  104. 104. 陳昇瑋 / 人工智慧民主化在台灣 Correlation between AI funds and humans has risen in past years 181 https://www.bloomberg.com/news/articles/2018-03-12/robot-takeover- stalls-in-worst-slump-for-ai-funds-on-record
  105. 105. 陳昇瑋 / 人工智慧民主化在台灣 Algorithmic Trading in Stock Market 182 https://www.bloomberg.com/news/features/2017-12-05/how-ai-will- invade-every-corner-of-wall-street
  106. 106. 陳昇瑋 / 人工智慧民主化在台灣 Common use of machine learning Prediction of direction Prediction of price Prediction of risk Prediction of portfolio performance Detection of big players’ movements Rebalancing Liquidating … Fully automation of trading 183 https://www.quora.com/Is-there-any-hedge-fund-using- machine-learning-based-algorithms-for-trading
  107. 107. 陳昇瑋 / 人工智慧民主化在台灣 Prediction for low-frequency trading 184
  108. 108. 陳昇瑋 / 人工智慧民主化在台灣 Alternative data and its applications Individuals Twitter sentiment data to trade the broad equity market (iSentium) News sentiment data to trade bonds, equities and currencies (RavenPack) Web search, personal email, app downloads, job listing, … Business processes Consumer transaction data to trade individual stocks (Eagle Alpha) PoS, payments, invoices / receipts, real estates, cargo, retail prices, phone calls, shipments via logistics, lodging, taxi, insurance, … Sensors Geolocation data to estimate retail activity and trade individual stocks (Advan Research) Satellite image data to estimate employee activity and trade individual stocks (RS Metrics) 185
  109. 109. 陳昇瑋 / 人工智慧民主化在台灣 iSentium: Tweets 186 Construction of iSentium Daily Directional Indicator The universe is limited to the 100 stocks which are most representative of the S&P 500, filtered using tweet volume and realized volatility measures. Tweets are assigned a sentiment score using a patented NLP algorithm. By aggregating tweet scores, a sentiment level is produced per minute between 8:30 AM and 4:30 PM every day. Sentiment for the day is aggregated using an exponentially weighted moving average over the past ten days. S&P 500 returns are forecasted using a linear regression over the sentiment scores for the past two days, with betas evolved via a Kalman filter.
  110. 110. Eagle-Alpha: Email Receipts 187 We have analyzed a dataset of email receipts for 97 companies. 36 of these were private companies, and 61 public, 31 of which were S&P 500 constituents. Taking liquidity into consideration, we decided to test trading signals for the S&P 500 companies only.
  111. 111. RSMetrics: Satellite images 188
  112. 112. 陳昇瑋 / 人工智慧民主化在台灣 Blurring between Quant and ML Engineer 189 https://www.indeed.com/jobs?q=Machine%20Learning %20Quant
  113. 113. 190 https://www.bloomberg.com/news/features/2017-12- 05/how-ai-will-invade-every-corner-of-wall-street
  114. 114. 陳昇瑋 / 人工智慧民主化在台灣 225 Mobile computing, inexpensive sensors collecting terabytes of data, and the rise of machine learning that can use that data will fundamentally change the way the global economy is organized. - Fortune, “CEOs:The Revolution is Coming,” March 2016
  115. 115. 陳昇瑋 / 人工智慧民主化在台灣 226
  116. 116. 2017.03
  117. 117. 孔祥重院士 • 美國卡內基美隆大學電腦教授 • 美國哈佛大學資訊科技與管理博士學程共同主席 • 行政院 SRB 會議海外專家與科技顧問 • 行政院科技顧問 • 國家級計畫重要推手 • 數位台灣計畫 (e-Taiwan) • 行動台灣計畫 (M-Taiwan) • 電信國家型計畫 • WiMAX 發展藍圖 • 網路通訊國家型計畫 H.T. Kung • 中央研究院 院士 • 美國哈佛大學電腦與電機系 蓋茲講座教授 現任 經歷
  118. 118. 2000: Mobile Device1980: PC 1990: Internet 2015: AI + IoT Taiwan’s next opportunity?
  119. 119. 以人工智慧提升 台灣產業競爭力
  120. 120. March – November in 2017 232 台塑石化 長春石化 奇美實業 英業達 欣興電子 敬鵬工業 可成科技 致茂電子 永進機械 研華科技 聯發科技 台積電 紡織所 宏遠紡織 台元紡織 佳和紡織 強盛染整 農科院 龍鼎蘭花 經緯航太科技
  121. 121. 233
  122. 122. 235
  123. 123. 產業 AI 化的挑戰 01 實戰人才的缺乏 02資料基礎建設不足 03 找對問題不簡單 04產學之間的鴻溝
  124. 124. Global Talent 2021 Report 237 (Source: https://www.oxfordeconomics.com/my-oxford/projects/128942)
  125. 125. 242 產業共通 挑戰 預測性維護瑕疵檢測 原料組合最佳化自動流程控制
  126. 126. 台灣人工智慧學校首屆開學典禮 產業共通挑戰 #1-瑕疵檢測 243
  127. 127. LCD Panel Defects 244(Slide Credit: IBM)
  128. 128. 台灣人工智慧學校首屆開學典禮 245 Typical PCB defects
  129. 129. 台灣人工智慧學校首屆開學典禮 Typical defects after SMT (Surface-Mount Technology) process 短路 空焊 極反 缺件 浮高 跪腳 撞件 錫球 墓碑 … 246 https://www.researchmfg.com/2011/02/soldering-defect-symptom/
  130. 130. More SMT/DIP Defect Examples 247
  131. 131. Convolution Neural Networks + Transfer Learning Pre-trained using 14-million image dataset ResNet with > 8-million parameters Input images Model training / inference OK OK 以深度學習進行自動瑕疵檢測
  132. 132. 實際案例 – 視覺檢測速度比較 252 產線數量: 23 條 4 位目檢人員; 漏網率約 5% AOI 設備每小時影像輸出量: 配合人力允許條件, 60 萬張/每日 (極限為每條產線 2 萬張/小時 = 1104 萬/日) 判定耗時: 30 萬張 / 人日 = 120 萬張/日 傳統 人力 目檢 深度 學習 系統 硬體設備: 中高階桌上型電腦 + NVIDIA GPU: 10 ~ 15 萬 軟體: 開源軟體 + 高度調校之深度學習模型 品質:模型漏網率控制在 0.01% 之下,目檢人員只需檢查原本總數之 5% 的圖片 判斷速度: 166.67 張 / sec  每日 1440 萬張影像
  133. 133. 實際案例 – 視覺檢測效益評估 253 品質:根據複判初步統計,目檢人員漏網率至少為 12.9% 速度:目檢人員 8~10 位,每天約可檢查共約 3,000,000 張 傳統 人力 目檢 深度 學習 系統 硬體設備:中高階桌上型電腦 + NVIDIA GPU: 10 ~ 15 萬 軟體:開源軟體 + 高度調校之深度學習模型 品質:模型漏網率控制在 1% 之下,目檢人員只需檢查原本 總數之 10% 的圖片 速度:8,640,000 張 / 天 = 100 張 / 秒
  134. 134. 台灣人工智慧學校首屆開學典禮 產業共通挑戰 #2-自動流程控制 254
  135. 135. 良品範圍 良率: 61% QualityIndex 人為控制設備參數
  136. 136. 256 採用深度學習控制設備參數 作業員良率: 61% 自動控制良率: 98% QualityIndex
  137. 137. 台灣人工智慧學校首屆開學典禮 Especially important for equipment with high failure cost (such as motors in machine tools) Also important for expensive consumables (such as blades used in precision cutting machines) 257 產業共通挑戰 #3-預測性維護
  138. 138. 台灣人工智慧學校首屆開學典禮 預測某段時間後的設備狀態 258
  139. 139. 台灣人工智慧學校首屆開學典禮 259 產業共通挑戰 #4-原料組合最佳化
  140. 140. 台灣人工智慧學校首屆開學典禮 260 染整業的打色問題
  141. 141. 台灣人工智慧學校首屆開學典禮 261 Pigment 1 Pigment 2 Pigment 3打色成功率: 70% to 95%
  142. 142. 台灣人工智慧學校首屆開學典禮 PROJECT Θ TEAM HAS SOLVED 10+ PROBLEMS FROM 10+ COMPANIES WITHIN 6 MONTHS… 264
  143. 143. 台灣人工智慧學校首屆開學典禮 2017/06/26 Project θ Meeting 265
  144. 144. 尋找一個把能量放大 的方法 1,000x
  145. 145. 01 實戰人才的缺乏 02資料基礎建設不足 03 找對問題不簡單 04產學之間的鴻溝 產業 AI 化的挑戰 關鍵
  146. 146. 269
  147. 147. 陳昇瑋 / 人工智慧民主化在台灣 270http://bangqu.com/g394k4.html
  148. 148. 271 主辦
  149. 149. 台塑企業 奇美實業 英業達集團 義隆電子 聯發科技 友達光電 272 捐助人
  150. 150. 273 http://aiacademy.tw/opening-video-180127/
  151. 151. http://aiacademy.tw/ 01 02 03 產業 AI 化的軍校 領域專家 + 人工智慧 讓「找不到人才」不再是障礙
  152. 152. 277
  153. 153. 2018/01/27 台北一期開學 2018/04/12 台北一期結業 2018/05/12 台北二期開學 2018/07/21 新竹一期開學 2018/08/18 台中一期開學 2018/09/02 台北二期結業 2018/09/29 台北三期開學 2018/11/10 新竹一期結業 2018/12/08 新竹二期開學 2018/12/15 台中一期結業 2019/01/05 台中二期開學 2019/01/26 台北三期結業 2019/02/23 台北四期開學 2019/03/16 南部一期開學 2019/04/20 新竹二期結業 2019/05/04 新竹三期開學
  154. 154. 台中一期經理人班畢業照 281
  155. 155. 台北三期經理人班畢業照 283
  156. 156. 台灣人工智慧學校校區 285 台北總校新竹分校 台中分校 南部分校 (1000 坪, 三重) (1200 坪, 竹科) (900 坪, 台灣大道) (1000 坪, 台南仁德) (經理人班, 中山大學)
  157. 157. 校區一覽 286 新竹分校 台中分校 台北總校 南部分校
  158. 158. 台北總校 - 群光電子大樓 287
  159. 159. 台北總校 - 群光電子大樓 288
  160. 160. 新竹分校- 新竹市力行路二十一號 289
  161. 161. 新竹分校- 新竹市力行路二十一號 290 上課教室
  162. 162. 292 台中分校本部 & 技術班上課地點- 民權路 239 號國泰人壽大樓 15-17F
  163. 163. 293
  164. 164. 台中分校經理人班上課地點- 東海大學人文大樓 294
  165. 165. 296 南部分校經理人班 (中山大學國研大樓)
  166. 166. GPU x 500+
  167. 167. 堅實助教團隊 (30+)
  168. 168. 校友
  169. 169. 技術領袖培訓班
  170. 170. 技術領袖培訓班入學考試 程式設計 統計 機率 線性代數 微積分
  171. 171. 經理人周末研修班
  172. 172. 經理人班學員職位分布
  173. 173. 空氣盒子計畫 中國信託商業銀行 中國鋼鐵 中國醫學大學醫院 中研院化學所 中研院生多中心 宜蘭食品工業 中華電信研究院 天下雜誌 商周集團 嘉實資訊 智邦科技 臺灣永光化工 天氣風險 宏遠興業 東森得易購 痞客邦 PIXNET 長春石化 雲象科技 敬鵬工業 305 學術夥伴 台塑集團 奇美實業 友達光電 義隆電子 聯發科技 英業達集團 裕隆紡織 元大投信 遠見雜誌
  174. 174. 豐碩的技術班專題實作成果 台股指數漲跌預測 股市收盤價預測 全球股債漲跌預測 實價登錄房價預測 腸病毒感染爆發預測 癌症病人生存預測 速訊寫稿機器人 影像敍述自動生成 文章自動標籤生成 文章標題生成 染整業智慧打色 PCB 瑕疵偵測 銅箔缺陷多元分類 植物品種辨識 3D細胞影像分割 人物與人臉辨識 疲勞駕駛偵測 人與物互動辨識 動物聲音辨識 自走車學步 307
  175. 175. 更多製造業專題 瑕疵偵測 故障預測 產線參數優化 台電契約容量優化 流程優化 訂單預測 … 308
  176. 176. 問題探討 Q & A建 模 參考文獻資料前處理 實戰成果
  177. 177. ● 原始週報範例 ● Hybrid 週報結果 速訊寫稿機器人 I II III
  178. 178. 自動挑出壞的咖啡豆 311
  179. 179. 跟著狗躲著貓的自走車 312
  180. 180. 疲勞駕駛偵測 313
  181. 181. 工安確保 314
  182. 182. Playing your own covers – 即時伴奏 Demo Free Tempo
  183. 183. AI 為盲胞 “唸” 影片 316
  184. 184. 317
  185. 185. 校友傑出表現 勇奪各項創新競賽 318「開源大補帖」冠軍 300萬元台幣獎金 2018 第三屆京台青年創新創業大賽 獲選優勝前進北京台法太空創新黑客松冠軍 NCTS 2018 年醫療黑客松 第二名
  186. 186. 校友傑出表現 勇奪各項創新競賽 319 新北創力坊第八屆最佳技術升級獎 智在家鄉-數位社會創新競賽 AI神農氏獲選特別獎 工研院 Aidea 競賽 AOI 組冠軍經濟部工業局 Open Data 優勝 一期、二期同學親愛精誠聯手出 擊,獲得佳作x2 優勝 x 2 銅牌x1
  187. 187. 334 台灣人工 智慧學校 顧問諮詢 產學連結 技術推廣 社群交流 新創輔導 職涯發展 台灣人工智慧學校將不只是學校
  188. 188. 台灣人工智慧學校招生中… 335 台北第五期 截止: 6/4 開學: 7/20 新竹第四期 截止: 7/23 開學: 9/7 台中第三期 截止: 4/16 開學: 6/1 南部第二期 截止: 6/28 開學: 8/3 400 學員 x 每年 3 期 x 4 校區 = 每年培養 4800 AI 工程師 / 經理人
  189. 189. 陳昇瑋 / 人工智慧民主化在台灣 ADVICES FOR AI DEPLOYMENT 339
  190. 190. 陳昇瑋 / 人工智慧民主化在台灣 人工智慧導入進程 340 成功 案例 開放 文化 資料 生態 技術 工具 流程 整合 先以成功案例 來創造價值及 營造信心 打破部門間的 隔閡,讓資料 可以分享及集 中處理 選擇正確的人 工智慧技術工 具,建立團隊 或尋找技術伙 伴 讓人工智慧技 術成為工作流 程的一部分 人與人工智慧 協同增進生產 力
  191. 191. 陳昇瑋 / 人工智慧民主化在台灣 Execute pilot projects to gain momentum Build an in-house AI team Provide broad AI training Develop an AI strategy Develop internal and external communications 341
  192. 192. 陳昇瑋 / 人工智慧民主化在台灣 State of AI In The Enterprise, 2018 347 Deloitte interviewed 1,100 IT and line-of-business executives from US-based companies in the 3rd quarter of 2018. 82% of enterprise AI early adopters are seeing a positive ROI from their production-level projects this year. 69% of enterprises are facing a “moderate, major or extreme” skills gap in finding skilled associates to staff their new AI-driven business models and projects. 63% of enterprises have adopted machine learning, making this category the most popular of all AI technologies in 2018.
  193. 193. 陳昇瑋 / 人工智慧民主化在台灣 State of AI In The Enterprise, 2018 348
  194. 194. 陳昇瑋 / 人工智慧民主化在台灣 State of AI In The Enterprise, 2018 349
  195. 195. 陳昇瑋 / 人工智慧民主化在台灣 350 Source : Gartner 變革文化/決心不足 資料問題 技術人才缺乏 目標/效果不明確 資源不足
  196. 196. 陳昇瑋 / 資料科學人才的養成 Major Roles in an AI Team 353 Product Manager Data Scientist Machine Learning Engineer Data Engineer
  197. 197. 陳昇瑋 / 資料科學人才的養成 354 IT / Data Infrastructure ML / DL Skills Data Engineer Machine Learning Engineer Data Scientist Domain Expertise 連結資料與商業價值 蒐集及處理資料 以資料開發模型, 讓人工智慧決策更精準
  198. 198. 陳昇瑋 / 從大數據走向人工智慧
  199. 199. 陳昇瑋 / 人工智慧民主化在台灣 經理人須具備的 10 個認知 (1/2) 沒有資料就不會有人工智慧 也不是有資料,就一定能產出人工智慧:資料 品質與模型建立方法也是關鍵 你從來沒有答案的事情,人工智慧也不會有 沒有變異的資料,等於沒有資訊,同樣不會有 答案 不要忽略資料的成本 362
  200. 200. 陳昇瑋 / 人工智慧民主化在台灣 經理人須具備的 10 個認知 (2/2) 統計圖表與機器學習模型各有所長,不能盡信任一種 人工智慧導入之後必然造成企業工作方式或流程的改 變 身為推動人工智慧導入工程的主管,本身一定要相信 資料和模型 不要把人工智慧的導入及建置全部丟給資訊人員,業 務主管一定要親自參與 人工智慧跟人一樣,需要長期觀察,並需要不斷翻新 363
  201. 201. 陳昇瑋 / 從大數據走向人工智慧 Perception: ML products are mostly about ML 364
  202. 202. 陳昇瑋 / 從大數據走向人工智慧 Reality: ML requires DevOps, lots of it 365
  203. 203. 陳昇瑋 / 從大數據走向人工智慧 持續的團隊支援 366 A common data platform and workflow is crucial for enterprise success. Data Engineer ML Engineer Biz Analyst DevOps DevOps + ML Engineer App Developer (Credit: IBM Systems Lab Services) (all under the supervision of Data Scientist)
  204. 204. 陳昇瑋 / 從大數據走向人工智慧 AI vs. BI AI systems suggest decisions for users by making predictions BI systems support users make decisions based on data visualization Key difference AI systems are based on generalizable models BI systems require humans to generalize Best practice AI: fast, massive, error-tolerant, ML-capable problems BI: otherwise AI+BI: making sense of AI decisions 369
  205. 205. 陳昇瑋 / 人工智慧民主化在台灣 LIMITATIONS OF AI 383
  206. 206. 陳昇瑋 / 人工智慧民主化在台灣 389
  207. 207. 陳昇瑋 / 人工智慧民主化在台灣 390
  208. 208. 陳昇瑋 / 人工智慧民主化在台灣 What we can and cannot today What we can have Safer car, autonomous car Better medical image analysis Personalized medicine Adequate language translation Useful but stupid chatbots Information search, retrieval, filtering Numerous applications in energy, finance, manufacturing, commerce, law, … What we cannot have (yet) Machine with common sense Intelligent personal assistants “Smart” chatbots Household robots Agile and dexterous robots Artificial General Intelligence (AGI) 392(Credit:Yann LeCun)
  209. 209. 陳昇瑋 / 人工智慧民主化在台灣 Strong AI Weak AI Can think Own conscious Act as it can think Consciousless (1980)
  210. 210. 陳昇瑋 / 人工智慧民主化在台灣 396https://www.youtube.com/watch?time_continue=5&v=RSBWgWThNHo
  211. 211. 陳昇瑋 / 人工智慧民主化在台灣 Mistakes Humans Would Never Make 400
  212. 212. 陳昇瑋 / 人工智慧民主化在台灣 Generating adversarial patches against YOLOv2 402 https://www.youtube.com/watch?feature=youtu.be &v=MIbFvK2S9g8&app=desktop
  213. 213. 陳昇瑋 / 人工智慧民主化在台灣 403
  214. 214. 陳昇瑋 / 人工智慧民主化在台灣 AI Don’t Know What They are Talking About 404 https://www.facebook.com/playgroundenglish/videos/629372370729430/?hc_ref=ARQ HCaS2GZ9jUgZermEupF5yerADq2X9F9P40OR3n70poUiCy7R0X3oHrGxyLSrWVdI
  215. 215. Change is the only constant. - Heraclitus (535 BC - 475 BC) (Slide Credit: Albert Chen)
  216. 216. 陳昇瑋 / 人工智慧民主化在台灣 413 https://www.israel21c.org/food-expiration-dates-are-about-to-undergo-a-revolution/
  217. 217. 414
  218. 218. 陳昇瑋 / 人工智慧民主化在台灣 Precision Medicine 416
  219. 219. 陳昇瑋 / 人工智慧民主化在台灣 417
  220. 220. 陳昇瑋 / 人工智慧民主化在台灣 418(Credit: 李開復, 《AI 新世界》)
  221. 221. 陳昇瑋 / 人工智慧民主化在台灣 420(Credit: 李開復, 《AI 新世界》)
  222. 222. 陳昇瑋 / 人工智慧民主化在台灣 421 (Source: Future of Jobs Report 2018, World Economic Forum)
  223. 223. 陳昇瑋 / 人工智慧民主化在台灣 AI outperformed 20 corporate lawyers at legal work 422 Challenge: review risks contained in five non-disclosure agreements (NDAs). AI vs. associates and in-house lawyers from global firms such as Goldman Sachs, Cisco and Alston & Bird, as well as general counsel and sole practitioners. AI matched the top-performing lawyer for accuracy – both achieved 94%. Collectively, the lawyers managed an average of 85%, with the worst performer recording 67%. AI: 26 seconds; lawyers’ average: 92 minutes, where the speediest lawyer took 51 minutes https://www.weforum.org/agenda/2018/11/this-ai-outperformed-20-corporate- lawyers-at-legal-work/
  224. 224. 陳昇瑋 / 人工智慧民主化在台灣 The Jobs Landscape in 2022 423(Source: Future of Jobs Report 2018,World Economic Forum) Note: Roles marked with * appear across multiple columns. This reflects the fact that they might be seeing stable or declining demand across one industry but be in demand in another. * *
  225. 225. 陳昇瑋 / 人工智慧民主化在台灣 人機協作 Camelyon Grand Challenge in 2016 根據切片檢查偵測轉移性乳癌 The Winning Team 深度學習演算法: 92.5% 病理科醫師: 96.6% 兩者合作: 99.5% 人類與機器擅長不同的預測層面 人類與機器犯不同類型的錯。 確認這兩種不同的能力,結合人類與機器的預測來克服這 些弱點,這樣的組合可以大幅減少錯誤率。 428
  226. 226. 陳昇瑋 / 人工智慧民主化在台灣 machine-learning model from 30,000+ deals from the last decade that draws from many sources, including Crunchbase, Mattermark, and PitchBook Data. For each deal, we looked at whether a team made it to a series-A round by exploring 400 features and identified 20 features as most predictive of future success. One of the insights we uncovered is that start-ups that failed to advance to series A had an average seed investment of $0.5 million, and the average investment for start-ups that advanced to series A was $1.5 million. Another example insight came from analyzing the background of founders, which suggests that a deal with two founders from different universities is twice as likely to succeed as those with founders from the same university. from the 2015 cohort of seed-stage companies, 16 percent of all seed-stage companies backed by VCs went on to raise series-A funding within 15 months. By comparison, 40 percent of recommended by ML (2.5 times improvement) Human + AI would yield the best performance: 3.5 times the industry average 429 https://www.mckinsey.com/industries/high-tech/our-insights/a-machine-learning- approach-to-venture-capital
  227. 227. 人才媒合 http://jobs.aiacademy.tw/
  228. 228. 441 專為人工智慧人才 / 職缺設計的媒合網站。 校友刊登的職缺需求將定期發送給所有校友。 http://jobs.aiacademy.tw/
  229. 229. 陳昇瑋 / 人工智慧民主化在台灣 Take-Home Messages 今天的 AI 如同 1994 年的 World Wide Web 今天學 ML 可能如同 1994 年學寫 HTML and CGI 技術快速進展及堆疊,這是最值得投資技術的時代 AI 在許多領域有殺手級應用,是技術人投入重點領域的黃 金時代 AI 不會在這裡停住,AI 技術才剛開始發展 442
  230. 230. 陳昇瑋 / 人工智慧民主化在台灣 AI 所帶來的改變才正開始… 443 2001 2018
  231. 231. 陳昇瑋 台灣人工智慧學校

×