教材

python基礎colab

課程目的

「人工智慧」(AI)快速發展，為協助一般大眾或業務部門了解AI，讓AI專案更順利，並推廣AI校友開發成果。

回答以下幾個問題並展示AI潛力及展示自己豐富經驗，引起學員對AI的熱情

1.人工智慧，為什麼最近這縻潮？

2. 人工智慧的限制。

3.有趣的人工智慧專案，AI學校專案，自己參與的專案

AI讀書會大家關心的一些議題，也許沒標準答案，大家可以討論看看

1.企業中如何找到合適AI專案

a..如何和客戶更好的互動，搜集更多客戶資料，給客戶更好的服務。

如一些客服或商品推薦，消費者分析等

b.優化營運效率

根據營運流程，如採購，製造，品管，物流，等找出適合用AI的企業流程

c.企業痛點

可由企業的營運重大風險去思考等

d.創新再造

運用AI及資訊科技創造新的營運模式，如netflix

e.辦理比賽

讓所有員工參與

建議可由企劃部門先行作業分析合適題目，由資訊單位或廠商配合實施

2.人工智慧不是幾十年前就有了嗎?最近為什麼變這麼紅?

a.計算力提高:因為電腦及GPU進步快速,可以更快的運算出更複雜的模型,以前可能只有1或2層的網路，現在可以處理上100層的網路，比以前可以更準。

b.資訊基礎建設成熟：AI需要大量資料，網路及資訊系統的完備，讓資料的搜集更有效率

c.殺手級應用出現：有幾個重要專案，如imagenet 影像辨識任務做的比人更好，alpha go打贏人類，讓大家相信AI的潛力。

3.題目重要還是資料重要?

原則上是題目重要，但找到題目後，發現資料更重要，沒資料是沒辦法做AI，資料需要多少，要看專案，有的要很大量資料，有的一些必要資料即可

4.AI團隊是由什麼人員組成及成員需要什麼專長?

商業或產品分析師：了解商業需求

資料科學家/機器學習工程師：熟各種AI模型

資料工程師/軟體工程師：熟資料庫操作SQL，網路爬蟲，熟程式設計

資料標記員：需有耐心，負責資料標記

5.企業內部如何推動AI?

由pilot專案開始，提供大量教育訓練

6.資料科學家及機器學習工程師有什麼差別

通常資料科學家更專精於AI模型建立，通常是數理專家，機器學習工程師則了解AI模型運作，懂得如何使用AI模型

7.機器學習及統計的差別?

https://buzzorange.com/…/difference-between-statistics-and…/

8.AI產業化能做什麼?

9.公部門如何進行AI化及數化轉型?

大量的教育訓練及適當的預算

10.如何推動及深化技術分享文化或活動?

有系統推動讀書會或研討會

轉載自AIA蔡明順營運長

一名AIA學員結業，應該具備什麼能力，他想要設定個人的目標，我把我回答以前的學員答案

1. 怎麼判斷上來的專案有可行性？

2. 怎麼知道是否已有解決方案或是具創新性？

3. 怎麼評估專案有沒有商業價值？

4. 怎麼評估專案是否做得出來？

5. 怎麼組建團隊或是做決策？

6. 怎麼收集資料與梳理分析流程？

7. 去那邊找人與找資源？

8. 怎麼說服高層, 決策者與數據所有者?

9. 怎麼獲得相關部門與利害關係人的支持？

10. 怎麼制定AI 策略計畫？