速記台灣人工智慧學校首屆開學典禮(下)

主題演講與心得

好玩的深度學習網站
  1. Data Variety是目前企業最大的挑戰。(我的觀察則是更往前,還有資料品質還沒處理…)
  2. Machine learning為Deep learning的Superset。ML為一種演算法,可讓電腦自己從透過足夠多的(資料)經驗學習到規則,不再由人工或多個IF Else規則判斷。如數字辨識分類,電腦學習9的特徵就是看上半部的圈圈,腳不看,因為每個人寫的腳都不一樣,乾脆不看。DL與ML的主要差別是,DL可以處理高維度資料(一張200x200的彩色照片就有12萬維了)。
  3. 影像辨識不能不提李飛飛大神的ImageNet跟最近很紅的Image AutoCaption(剛好最近才看完她的TED
  4. AI經歷了兩個冬天(冬天意味做AI的人出去不敢說自己做AI),現在第三波總算因為資料量足夠與電腦計算能力飛快成長,而開始有了一些成果。深度學習之父Hinton從未放棄,30年來總算揚眉吐氣,意志力令人敬佩。
  1. 直接套網路上套件或模型不難吧:實務上,別人的東西不一定適用我們的情境。
  2. 深度學習一定強:很多時候傳統演算法反而更好。
  1. 布料配色部分,比較困難的地方是需研究視覺細胞對不同顏色的敏感度後,才能開始建模,頗威。
  2. 預測機器什麼時候會當機,結果八個月內的資料只有八次故障,且發現並不是故障,而是溫度過高機器為了保護自己而停止(保險絲概念)。因此,預測溫度就不是分類問題了,而是改為透過迴歸解決。

商管 * 科技 | 顧問 + 稽核 | AI X Fraud | baubimedi@gmail.com

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store