跳到主要內容
 

技術論壇


數位轉型時代人才職能的再進化
近年來全球資訊產業趨勢變化快速,雲端運算、物聯網、資料科學、人工智慧和5G行動通訊等尖端技術日新月異的發展應用,帶動了數位經濟的興起,並同時重塑了全球經濟結構。根據世界經濟論壇(WEF)的預測,2022年全球GDP將有六成來自數位經濟,可見數位經濟的發展對全球經濟未來趨勢影響之重大,而其影響自然也將及於人力資源市場。 產業面臨這一波數位轉型,正如當初個人電腦、網際網路的普及一樣,將會完全翻轉全球經濟、以及企業現有的商業模式。過往數位科技人才大多為資通訊及高科技產業所需求,隨著產業積極導入數位工具及人工智慧應用、企圖尋求下一波創新成長動能,各行各業展開數位科技人才爭奪,根據國家發展委員會對於臺灣未來十年人力市場之預估,數位人才將呈現大規模人力缺口。 AI取代工作 還是創造機會 科技帶來翻天覆地的影響,新興領域之人才需求不斷攀升,嶄新的商業模式、跨領域的整合應用也層出不窮。迎接新科技帶來新工作機會的同時,人才技能必須時常更新,以掌握未來世界的人力需求及工作樣態的變化。 根據臺灣經濟研究院研究報告指出,隨著人工智慧、物聯網、大數據、資訊安全等技術發展,將會為我國帶來新的人力需求;反之,設備操作、倉儲物流、行政庶務等事務性及高重複性工作,則可能因新科技而受到衝擊。然而,人類的工作真的會被AI和機器人取代嗎?國際研究暨顧問機構Gartner指出,2020年,雖然有180萬個職位被AI取代,不過同時AI也將創造230萬個工作機會,帶動整體工作機會正成長。未來的人力資源趨勢將是人工智慧結合人腦的工作型態,隨著自動化科技的引進顛覆人類在工作上所扮演角色,勞動者必須具備新的技術和能力,以因應這一波數位趨勢。 人才職能重塑 已是世代常態 各種新興科技正在重塑我們的世界,我們是否都準備好了呢?現今企業普遍面臨相當大之人才挑戰,人才競爭態勢只會越來越激烈,數位科技浪潮下,在可預見的未來,機器人或人工智慧一定會對企業人力運用造成影響,企業數位轉型已經是勢在必行的壓力,就公司而言,企業所需的人才技能隨著公司經營策略的調整均在不斷轉變中,人才需要積極主動、擁抱改變,人才所具備的技能如不隨著大環境的變動,將面臨無法與時俱進的風險、最終可能被市場淘汰。 過去用一把刷子行走職場、或是十年磨一劍的年代已經過去,單一技能很容易被潮流取代、唯有具備數位科技、跨領域專長的人才方能在瞬息萬變的職場上勝出。世界經濟論壇的報告指出,全球所有受雇員工有半數以上(54%)需要在未來三年內接受大幅度的技能重塑與提升訓練。而數位科技人才常需隨趨勢發展而更新專業能力,根據之前Gartner的一份調查,職場員工平均每三年需更新一次職務內容與數位科技專業能力。 職能再進化 先找出自己的型 在這波數位技能革命中,企業必須打造新的人才職能規格、於公司內部創造並鼓勵員工持續學習的環境和文化,同時協助員工捨棄舊技能與發展工作所需新技能。由於企業很難找到各方面條件都符合的現成人選,招募到合適的人才所需之時間已經越來越長。有越來越多的企業支持從既有的員工進行在職培訓,並轉型為數位科技人才,不僅有效降低企業招募時間與經費成本,也可以避免招募到的員工不適任無法久留的風險。越來越多的企業正在提高技能重塑的投資,在企業發展數位轉型的同時,偕同組織內的人才一起精進、重塑員工技能,及早做好職能轉型的全面準備。 然而,職能轉型並非一件容易的事情,根據108年經濟部人工智慧產業人才需求調查發現,並非所有現職員工都能成功轉型人工智慧人才,最被企業看好且轉型成功率高的人才通常已具備相當基礎(有型)、在這個基礎上進行職能轉型較容易成功;例如工程類職務(如:系統工程師、後端軟體工程師) 本身即具有程式撰寫、系統開發能力,較容易轉型為機器學習工程師及AI應用工程師等AI新興職務。而資料類職務(如:資料庫工程師、統計分析師)已具有資料庫或數據分析等基礎,亦容易轉型為資料工程師或資料分析師。而一般常見的產品經理、專案經理及行銷企劃專員等職務,已具備專案管理、產品管理、行銷推廣、跨部門溝通…等軟實力,若能再強化AI相關基礎知識,也容易轉型為AI專案經理或AI產品經理。 生命不息 學習不止 迅速和持續變化的工作性質正在改變學習與工作間的關係,當我們一直被機器追趕著學習新技能,如何能夠有效應對新世代的變遷、在數位經濟的潮流中成為未來產業所亟需的人才?在數位時代的潮流之下,新世代的人才需要透過不同管道不斷精進自我,才能持續增加自己的附加價值,而不被時代所淘汰。未來的人才唯有在終生學習、科技協作、軟技能和環境應變等四個面向深化努力,方能應對快速變遷、日新月異的產業趨勢。 在終生學習方面,除了持續學習的腳步外,在學習的方向上,也要注意學習內容與工作之融合度,以期能符合實際工作的職能需求,此外考量個人能力及人格特質做個性化的學習,也對強化自身附加價值,以及未來職涯的發展有所助益;在科技協作方面,隨著AI與自動化的興起,新的工作型態對人機協作的需求也越來越高,在人類主導的情況下,由機器提供輔助進行工作,將會成為產業從人工朝向智慧化發展過程中過渡的第一步,因此在科技協作的學習投入,將能有效幫助人才面對AI化與自動化的挑戰;軟技能是人類勝出機器的關鍵,包括溝通、思考和創意等在現今這個科技時代愈趨重要,未來人才需要培養機器所無法取代的能力,以增進自身在職場的不可取代性;在環境應變方面,由於近年來產業趨勢的變遷快速,新技術的推陳出新使得人才在適應環境變化上的需求大幅提升,未來的人才也需要像電腦持續定期更新,隨時檢視自己的技能、擁有持續重塑自己以靈活應變的能力,才能在時代的潮流中維持競爭力! 財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 陳麗萍 組長
其他 科技轉型職能學習

2020/11/26AI小編

6200

AI創作音樂有可能成為一種新趨勢嗎?
音樂是全世界共通的語言,大家都同樣使用12個音符,但卻能創造出各種風格的音樂。目前主打透過AI生成音樂的服務越來越多,在國外還有透過 AI 即時生成電子樂的音樂串流服務,這樣的音樂創作方式有可能會成為趨勢嗎?
其他 AIAI音樂創作音樂創作

2020/11/26junwei01

10300

到了5G時代,那麼邊緣運算會有何不同嗎?
我們都知道物聯網的概念開啟了科技應用的新視野,當越來越多元件走向微型化、智慧化,數據海嘯也隨之而來,如何讓這些裝置以最有效率的方式運作,互通有無,並發揮大數據的優勢,成了當務之急。邊緣運算便是實現運算資源佈局最佳化的關鍵途徑,不過現在有了5G的出現,對於邊緣運算會有什麼影響呢?
數據分析類 邊緣運算AI大數據5G

2020/11/24chengxiansong2

15630

最近在AI資料分析常使用到的"增強分析"是什麼意思?
「增強分析」(augmented analytics)被預測為今年十大戰略趨勢,它對一般企業來說意味著什麼?對數據科學家來說影響又有多大?希望可以了解一下
數據分析類 AI數據分析增強分析AI數據分析

2020/11/23shuechang886

18140

資料分析的步驟大致怎麼進行?
現在大家都在說大數據以及資料分析,但是究竟該如何使用,又有哪些步驟跟細節呢?感覺這是一項非常專業但是又不得不去了解的技術。
數據分析類 AI數據分析資料分析大數據

2020/11/20hannibal34

13930

疫情的出現會不會是傳統醫療體系的轉型好時機呢?
新冠病毒疫情肆虐,讓大家重新思考智慧醫療科技的重要性。感覺應該會是傳統醫療體系面臨轉型的好時機,加上智慧醫療是5G時代的未來趨勢,想必會是一個關鍵時刻沒錯吧?
其他 智慧醫療AI醫療數位轉型

2020/11/18ypei91510

14040

請問「AI醫療影像」能有什麼樣的應用?
看到新聞說全民健保開辦至今滿25年,累積巨量就醫紀錄結構化資料及醫療影像,成為國際間發展大數據分析與醫療AI的一大寶庫。 多項AI醫療影像為世界首創,且出海與國外醫療機構合作驗證,不曉得這些資料能有什麼樣的應用呢?
辨識技術類(影像、圖片、臉部識別等) 醫療影像AI智慧醫療

2020/11/16shuechang886

25440

AI浪潮下的8大關鍵職缺
隨著新興科技的不斷演進,從智慧型手機的普及,到大數據、雲端、平臺經濟的蓬勃發展並邁向成熟,2020台灣ICT人才發展報告指出,因應數位科技演進,未來於人工智慧(Artificial Intelligence, AI)、大數據分析(Big Data Analytics)、資訊安全(Cyber Security)與物聯網(Internet of Things, IoT)四大科技應用領域將快速成長,因此衍生之各領域專業人才需求也將增加,而國內現階段要發展AI,最缺的就是人才,資策會數位教育研究所針對人工智慧領域,蒐集並彙整產業人才需求概況,帶您來看看人工智慧產業最熱門的八項AI關鍵職務是什麼吧! 1. 資料工程師 在這個大數據的時代,由於分析用的資料量龐大,通常蒐集到的資料可能有缺失、格式錯誤、或是有著不合理的極端值,因此在運用資料進行分析前,必須要有人協助進行資料清洗的程序。 資料工程師就如同在廚房中要協助完成備料作業的重要人物,運用著資料組織與清理能力,協助進行資料的前處理,包含:資料擷取、資料清理、資料運算,並建立部署資料儲存環境的系統結構,以及協助處理資料過程遇到的資料庫效能、安全性以及自動化等問題排解。 2. 資料分析師 資料分析師指的是在組織中,協助資料轉換、萃取,從中彙整並理解各式資料生成的方式與商業邏輯的專業人員。他們需要知道如何提出正確的問題、善用資料視覺化工具,並具備數理統計與資料分析技能(如:探索式資料分析與非監督式學習、線性模型與監督式學習),針對應用情境提出分析建議、輔助公司商業決策。 如何將資料轉化成易讀性、具視覺化的展示效果,讓組織清楚掌握重點及商業價值,資料分析師功不可沒。 3. AI應用工程師 資策會MIC觀測AI發展趨勢指出「AI落地」將是未來產業焦點,在AI落地前「效率」問題需要被解決,因此需要AI應用工程師這號人物,以現有人工智慧技術,協助分析客戶需求,評估解決方案可行性,並進行系統整合測試計畫。他如同魔法師一般,將人工智慧應用技術由虛轉實,成為一個可使用、可產生價值的功能模型或產品。 AI應用工程師除具備一般軟硬體工程師的系統整合開發能力,更要對於人工智慧基礎,如:資料結構、機器學習、深度學習有一定的掌握度才行。 4. 機器學習工程師 美國求職網 Indeed曾表示2019年度最佳工作的第一名是機器學習工程師;LinkedIn在2019底發佈的2020 工作趨勢報告亦顯示,機器學習和人工智慧在過去4年的人才職缺成長速度達74%,成為年度新興工作。到底機器學習工程師的日常是什麼呢? 機器工程師扮演著將機器學習方法實作以設計AI解決方案的角色,他需要依據功能需求,使用現有演算法與領域資料集來整合、訓練、最佳化演算法模型,因此須熟悉主流機器/深度學習框架、雲端平台相關程式開發技能。 5. 演算法工程師 當現有演算法模型無法滿足組織業務需求,或是希望可藉由新的演算法模型來解決問題、創造營運價值,就需要靠演算法工程師之功力!演算法工程師除了負責人工智慧演算法的開發與設計,更要想辦法從數據中挖掘出隱藏價值,故演算法工程師除了具備演算法能力、機器學習/深度學習的理解,他要對產品及業務有相對的敏銳度和分析能力,並且還要保有持續學習的求知慾,每天蒐集並閱讀大量最新的演算法論文與研究,亦是演算法工程師的生活日常。 6. 資料科學家 曾被《哈佛商業評論》指為「21世紀最性感的工作」的資料科學家,被業界譽為這類的人才最難養成,不僅僅要懂統計、熟悉機器學習及深度學習、更要有資料分析的專業及能洞悉問題點的能力。 資料科學家擁有高薪的理由就是要清楚掌握問題的痛點,他不一定要資訊背景出身,但必須有能力將資訊、統計、業務三種領域的知識整合,並且需要對該產業有一定的商業知識與敏感度,協助組織找到成功的商業模式、提出洞見、提出商業預測模型,並將其分析結果努力導向組織走往正確的方向。 7. AI產品經理 有別於一般傳統產業的產品經理,工作重點著重在評估市場與消費者需求、制定產品開發策略及掌握產品開發進度,AI產品經理還需要掌握AI領域的基礎理論與應用知識,以面對在產品開發過程中可能面臨到的不確定性,如:投入AI技術後,軟體開發過程可能會變得更複雜、或是會有全新的設計產出或新的處理流程出現,這樣的產出是不是客戶想要的? 因此AI產品經理的挑戰即在於掌控整個開發團隊進度、把關產品開發品質之餘,要用對於AI領域知識的理解,在產品開發過程中針對問題做出適切的評估與判斷,創造AI產品之價值。 8. AI專案經理 為搭上AI的浪潮,每個組織想推動AI專案去改善生產流程、提升產能與創造效益,但推動一個AI專案容易嗎? IDC於2019年5月對2473家在營運中使用AI解決方案的機構進行調查,發現AI專案有超過50%以失敗收場。根據資策會MIC產業分析指出,導入前對AI基礎認識不夠、導入目的定義不清、輕忽導入AI的複雜性以及對導入效益過度期待等皆是造成AI失敗的原因。 故在AI導入的過程中,除技術類的人員投入,亦需要一位熟悉產業知識、又具溝通協調及問題解決能力的AI專案經理,協助進行AI專案計畫的執行和控管,並擔任客戶的聯繫窗口,提供適切專案滿足需求,並讓業務與IT等相關員工了解導入AI的效益以及彼此間的職責分工,共同努力完成專案任務。 在AI技術應用的演進下,幾乎各種產業、各個領域都能受惠於AI帶來的變革,唯有多元的人才,將跨領域與跨文化的思維結合AI核心技術,並輔以順暢的溝通,才能讓AI產業化更成功,更加速AI的落地。 財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 林書萍 副規劃師
其他 產業分析AI職缺

2020/11/13AI小編

17601

未來醫生APP使用AI智慧醫療真的可行嗎?
近年來醫療產業也跟上最夯的行動商機,前陣子有新聞說透過AI智慧醫療的APP,能夠用手機看醫生,減低了醫療院所的人力成本,真的有這麼厲害嗎?
其他 智慧醫療AI醫生APP

2020/11/12jingrul691

34160

人工智慧AI設計藥物首度進入人體試驗階段,是否能帶來藥物發展突破?
傳統分子藥物設計與篩選,需要四~五年時間,才能夠進入人體臨床試驗階段,而人工智慧分析技術將時程縮短至一年以內,大幅加快新藥研發時間。人工智慧透過演算法從資料庫中,以各種不同參數在大量的候選中篩選出可行的分子。是不是可以證明了人工智慧不僅能夠協助疾病診斷,更有潛力協助藥物發展的推進?
其他 AIAI藥物篩選

2020/11/10ypei91510

16340


最新發表
數位轉型時代人才職能的再進化
  近年來全球資訊產業趨勢變化快速,雲端運算、物聯網、資料科學、人工智慧和5G行動通訊等尖端技術日新月異的發展應用,帶動了數位經濟的興起,並同時重塑了全球經濟結構。根據世界經濟論壇(WEF)的預測,2022年全球GDP將有六成來自數位經濟,可見數位經濟的發展對全球經濟未來趨勢影響之重大,而其影響自然也將及於人力資源市場。   產業面臨這一波數位轉型,正如當初個人電腦、網際網路的普及一樣,將會完全翻轉全球經濟、以及企業現有的商業模式。過往數位科技人才大多為資通訊及高科技產業所需求,隨著產業積極導入數位工具及人工智慧應用、企圖尋求下一波創新成長動能,各行各業展開數位科技人才爭奪,根據國家發展委員會對於臺灣未來十年人力市場之預估,數位人才將呈現大規模人力缺口。   AI取代工作 還是創造機會 科技帶來翻天覆地的影響,新興領域之人才需求不斷攀升,嶄新的商業模式、跨領域的整合應用也層出不窮。迎接新科技帶來新工作機會的同時,人才技能必須時常更新,以掌握未來世界的人力需求及工作樣態的變化。   根據臺灣經濟研究院研究報告指出,隨著人工智慧、物聯網、大數據、資訊安全等技術發展,將會為我國帶來新的人力需求;反之,設備操作、倉儲物流、行政庶務等事務性及高重複性工作,則可能因新科技而受到衝擊。然而,人類的工作真的會被AI和機器人取代嗎?國際研究暨顧問機構Gartner指出,2020年,雖然有180萬個職位被AI取代,不過同時AI也將創造230萬個工作機會,帶動整體工作機會正成長。未來的人力資源趨勢將是人工智慧結合人腦的工作型態,隨著自動化科技的引進顛覆人類在工作上所扮演角色,勞動者必須具備新的技術和能力,以因應這一波數位趨勢。   人才職能重塑 已是世代常態 各種新興科技正在重塑我們的世界,我們是否都準備好了呢?現今企業普遍面臨相當大之人才挑戰,人才競爭態勢只會越來越激烈,數位科技浪潮下,在可預見的未來,機器人或人工智慧一定會對企業人力運用造成影響,企業數位轉型已經是勢在必行的壓力,就公司而言,企業所需的人才技能隨著公司經營策略的調整均在不斷轉變中,人才需要積極主動、擁抱改變,人才所具備的技能如不隨著大環境的變動,將面臨無法與時俱進的風險、最終可能被市場淘汰。   過去用一把刷子行走職場、或是十年磨一劍的年代已經過去,單一技能很容易被潮流取代、唯有具備數位科技、跨領域專長的人才方能在瞬息萬變的職場上勝出。世界經濟論壇的報告指出,全球所有受雇員工有半數以上(54%)需要在未來三年內接受大幅度的技能重塑與提升訓練。而數位科技人才常需隨趨勢發展而更新專業能力,根據之前Gartner的一份調查,職場員工平均每三年需更新一次職務內容與數位科技專業能力。   職能再進化 先找出自己的型 在這波數位技能革命中,企業必須打造新的人才職能規格、於公司內部創造並鼓勵員工持續學習的環境和文化,同時協助員工捨棄舊技能與發展工作所需新技能。由於企業很難找到各方面條件都符合的現成人選,招募到合適的人才所需之時間已經越來越長。有越來越多的企業支持從既有的員工進行在職培訓,並轉型為數位科技人才,不僅有效降低企業招募時間與經費成本,也可以避免招募到的員工不適任無法久留的風險。越來越多的企業正在提高技能重塑的投資,在企業發展數位轉型的同時,偕同組織內的人才一起精進、重塑員工技能,及早做好職能轉型的全面準備。   然而,職能轉型並非一件容易的事情,根據108年經濟部人工智慧產業人才需求調查發現,並非所有現職員工都能成功轉型人工智慧人才,最被企業看好且轉型成功率高的人才通常已具備相當基礎(有型)、在這個基礎上進行職能轉型較容易成功;例如工程類職務(如:系統工程師、後端軟體工程師) 本身即具有程式撰寫、系統開發能力,較容易轉型為機器學習工程師及AI應用工程師等AI新興職務。而資料類職務(如:資料庫工程師、統計分析師)已具有資料庫或數據分析等基礎,亦容易轉型為資料工程師或資料分析師。而一般常見的產品經理、專案經理及行銷企劃專員等職務,已具備專案管理、產品管理、行銷推廣、跨部門溝通…等軟實力,若能再強化AI相關基礎知識,也容易轉型為AI專案經理或AI產品經理。   生命不息 學習不止 迅速和持續變化的工作性質正在改變學習與工作間的關係,當我們一直被機器追趕著學習新技能,如何能夠有效應對新世代的變遷、在數位經濟的潮流中成為未來產業所亟需的人才?在數位時代的潮流之下,新世代的人才需要透過不同管道不斷精進自我,才能持續增加自己的附加價值,而不被時代所淘汰。未來的人才唯有在終生學習、科技協作、軟技能和環境應變等四個面向深化努力,方能應對快速變遷、日新月異的產業趨勢。   在終生學習方面,除了持續學習的腳步外,在學習的方向上,也要注意學習內容與工作之融合度,以期能符合實際工作的職能需求,此外考量個人能力及人格特質做個性化的學習,也對強化自身附加價值,以及未來職涯的發展有所助益;在科技協作方面,隨著AI與自動化的興起,新的工作型態對人機協作的需求也越來越高,在人類主導的情況下,由機器提供輔助進行工作,將會成為產業從人工朝向智慧化發展過程中過渡的第一步,因此在科技協作的學習投入,將能有效幫助人才面對AI化與自動化的挑戰;軟技能是人類勝出機器的關鍵,包括溝通、思考和創意等在現今這個科技時代愈趨重要,未來人才需要培養機器所無法取代的能力,以增進自身在職場的不可取代性;在環境應變方面,由於近年來產業趨勢的變遷快速,新技術的推陳出新使得人才在適應環境變化上的需求大幅提升,未來的人才也需要像電腦持續定期更新,隨時檢視自己的技能、擁有持續重塑自己以靈活應變的能力,才能在時代的潮流中維持競爭力!     財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 陳麗萍 組長
AI創作音樂有可能成為一種新趨勢嗎?
音樂是全世界共通的語言,大家都同樣使用12個音符,但卻能創造出各種風格的音樂。目前主打透過AI生成音樂的服務越來越多,在國外還有透過 AI 即時生成電子樂的音樂串流服務,這樣的音樂創作方式有可能會成為趨勢嗎?
到了5G時代,那麼邊緣運算會有何不同嗎?
我們都知道物聯網的概念開啟了科技應用的新視野,當越來越多元件走向微型化、智慧化,數據海嘯也隨之而來,如何讓這些裝置以最有效率的方式運作,互通有無,並發揮大數據的優勢,成了當務之急。邊緣運算便是實現運算資源佈局最佳化的關鍵途徑,不過現在有了5G的出現,對於邊緣運算會有什麼影響呢?
最近在AI資料分析常使用到的"增強分析"是什麼意思?
「增強分析」(augmented analytics)被預測為今年十大戰略趨勢,它對一般企業來說意味著什麼?對數據科學家來說影響又有多大?希望可以了解一下
資料分析的步驟大致怎麼進行?
現在大家都在說大數據以及資料分析,但是究竟該如何使用,又有哪些步驟跟細節呢?感覺這是一項非常專業但是又不得不去了解的技術。

熱門發表
如果提供影像辨識的訓練資料不足,AI電腦視覺技術是不是就派不上用場了?
目前深度學習很火,從醫療、零售、倉儲、工業到監控等,好像各種影像辨識都能用到,但往往在一個地方卡關,那就是沒有足夠大量且有代表性的資料提供"訓練",有沒有可能用少量資料來達成好的辨識效果呢?
【解題建議】利用OpenPose來解決骨架(姿態、行為)分析
此次出題有很多項目和姿態(行為)分析有關(如下所示),而其根本就是要先找出人的骨架,再加上時間序列來分析骨架各特徵點的位移,進而判定使用者的動作(類型)。 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。 而在開源技術中以CMU的OpenPose最為知名,包含有身體、頭(臉部)、手等部位,有興趣的朋友可以參考一下 https://github.com/CMU-Perceptual-Computing-Lab/openpose
Time is money!如何讓製程最佳化、讓生產更簡單?
從網路時代到物聯網興起,工業 4.0 強調自動化與生產線聯網功能,而新一代的智慧工廠發展,則更仰賴邊際運算、AI 和數據分析。然而,究竟要如何讓製程最佳化,使得生產速度提升呢?
數據「學」無止盡!機器學習、深度學習、統計學究竟差在哪?
數據當道的現今,多少人、事、物受惠於這些龐大的數據分析和學習,但你知道機器學習、深度學習、統計學的差異是什麼嗎?
「魚兒魚兒水中游」,有辦法辨識魚缸中魚的種類、數量的變化,甚至是活動力嗎?
最近在搞魚菜共生,想用"聰明"的方法來觀察魚缸中魚兒的數量變化(有沒有死魚),再與水質狀況(如含氧量)做關聯,想用深度學習與影像辨識來解決這問題,甚至進一步分析出魚的個別及群體活動力,不知各位大大有沒有相關的經驗或作法可供參考呢?

主題分類