「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
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
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?