跳到主要內容
 

技術論壇

主題:AI資料分析所需要的強大算力能不能於雲端解決?

2020/08/05zhoujieren8

331 6 0


數據分析類

現在數位轉型正流行,那麼資料就成為推動轉型時的重要資產,但經常被分別儲存於內部部署的機器、專屬系統或多雲端環境,不曉得在做AI大量的運算與分析時,是不是也能直接在雲端解決?


6則留言

2020/08/06shuechang886

0


Google Cloud執行長Thomas Kurian之前有講過他們替世界各地企業與政府加速數位轉型,以協助雲端策略與技術在新常態下發揮所用,他們也持續透過創新資料驅動技術協提供企業更多服務,並以分佈全球的基礎設施即服務(IaaS)、數位轉型平台及 Google 的 AI 和機器學習技術,為各產業提供客製化的解決方案。 所以要在雲端做AI大量的運算與分析應該是沒有問題的。

 


2020/08/07junwei01

0


根據之前新聞有報導過的BigQuery Omni,是一個靈活的多雲端解決方案,並且是由Anthos支援,使用者可直接連結儲存在Google Cloud、AWS和Azure的資料並進行分析。透過單一使用者介面,客戶將可在資料儲存的區域分析資料,擁有提供完整一致的分析體驗。

 


2020/08/08omnixri

1


這個問題是肯定的,各大廠商(Amazon, Google, Microsoft, 中華電信, 百度, 阿里...)都有對應的服務,就是希望你多多使用。關於AI運算及分析,早期使用最多的就是電商或影音平台的推薦系統,你看過什麼,什麼時候看的,買過什麼,買了多少,下次何時買,無一不被記錄到資料庫(格式化資料),如此當累積到數千萬筆甚至數百億筆瀏覽及交易記錄,就能以統計學方式對大數據進行特徵提取,如此便能精準推薦其它人也購買或觀看類似產品,增加營業額及客戶黏性。

雖然這樣的服務還不錯,但有時也會出現不小心點了某個廣告或影片,結果最近一陣子就一直看到類似的廣告或影片,此時就需要更多的數據及AI算法來幫助分析,以免造成客戶反感,失去更多定單。

近來的資料數位化開始走向非結構性資料,如線上語音助理的聊天記錄及對話內容,或者社群媒體的討論區,甚至是影像資料,這些內容就不易使用統計方式分析,就更需依賴大量AI計算。若使用(計算)量大,自己建置高單價設備或機房也許較經濟,但對於偶而使用或使用量很不穩定(只有在特定時間爆量,平常幾乎沒量)或量大到不足以應付的情況,使用雲端線上服務或許更加方便些。

 


2020/08/08omnixri

1


目前雲端AI服務可分為三種方式端看使用者目的及能力,第一級是完全自己來,只是當成虛擬機用,自己架設所有AI服務。第二級屬一般AI開發者,利用雲端服務商提供AI相關軟體框架進行AI模型的開發、訓練及佈署。第三級則為AI使用者,可以使用雲端服務商提供AI相關API應用元件,自己組合出對應的服務。

以最常見的AI需求來看大致分為影像辨識、自然語言及數據分析,這些問題在建立模型進行訓練時通常需要超級大量算力,一般人沒有足夠的經費建置,所以大多都會在雲端上解決,但完成訓練佈署到執行平台上後,就不一定會在雲端,有時會在邊緣端進行推論工作。但若遇到推論速度及量能需求很高時,通常還是得依靠雲端協助。還有一種情況是服務的對象分佈太廣太零散甚至遍及全世界,不可能一一架設自己的服務器,此時就需雲端計算來幫忙。

 

 


2020/08/10jingrul691

0


另外還有一點可以參考,在5G的加持下,我們可以先了解5G的一些既有特色:

更快的速度:初期傳輸速度將是4G 的10倍以上,可帶動8K、AR/VR的應用。

更低的延遲:是4G的1/10,裝置與雲端之間的互動更快,如mobile gaming將更為快速,使用者體驗會更好。其他如運用在醫療,如運用機器手臂執行遠距手術,運用在自動駕駛,讓雲端數據資料可即時傳達。

更多的連結數量:從端點IoT的應用到雲端,將有大幅的演進。如物聯網的應用,以及隨之而來物聯網的安全性。

所以要在雲端大量運算的話,基本上都是可行的,而未來有5G加持的話,那應該更不會有問題才是。

 

 


2020/08/10laisan86

0


這是當然的囉! 雲端上的儲存服務由來很久啦~好比Google Driver、Dropbox這些老牌的儲存空間, 就已經風行全球, 不用多可惜? 好比像我之前還在業界服務的時候, 根本那時候AI還沒現在流行, 就常常有這樣的問題, 最慘的是 : 放到後來一台機器有多個版本, 不知道哪個才是真正要的

而現在AI如果在雲端運算的話, 那順勢把各個需要的檔案都整理出來放到雲端不就OK!?

 

好比我常在用的Google Colab服務, 資料的部分也是經常很大又很多, 我到後來就利用Google driver來搭配, 就是透過像是 :

from google.colab import drive
drive.mount('/content/drive')
 
這樣的方法, 就可以把上傳到Google drive的檔案路徑對應成一個Google colab的目錄, 如此一來就能像是Terminal那樣, 直接打開檔案並且存取了!

laisan86 2020/08/10 1



最新發表
《設計思維》號稱是21世紀教育新趨勢,是不是對AI教育也有相關影響或幫助?
《設計思維》為21世紀教育新趨勢,是不是對AI教育也有相關影響或幫助?是否可以協助孩子們提早進入AI智慧自造學習及程式設計的領域?
AI人才炙手可熱,有相關產學合作以及更多的進修學習機會嗎?
有人說:沒有一個行業找不到充滿潛力的人工智慧應用,所以我們是處在一個非常關鍵、非常讓人興奮的時代。然而,AI的人才不好找,更不易培養,不知台灣在AI人才的培育上做的如何?  
很多產業都在導入AI,那在相關人才培育有哪些措施嗎?
例如有篇報導說到: 為協助產業快速導入AI,迎向智慧世代,聯發科技宣布攜手台灣人工智慧學校,開設終端人工智慧(Edge AI)課程,分享用於5G手機單晶片、8K智慧電視、智聯網(AIoT)等智慧裝置的AI核心技術
台灣AI教育目前在中小學發展情況如何目前呢?有人實際了解過嗎?
之前有看過幾篇報導在說:AI智慧教育科技發展計畫導入新北市的偏鄉國小,目的是為了幫助偏鄉的學生能學習符合108年的新課綱科技課程,還有了解新興AI科技趨勢。不知現況如何呢?
AI資料分析算不算是數位轉型的重要關鍵?
人工智慧發展快速,越來越多產業都開始需要人工智慧的協助與幫忙? 不管是工廠、咖啡店、服業業等都有人工智慧存在的身影 未來AI數據分析會成為產業界的決勝關鍵嗎? 一起來討論分享你的想吧!  

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?
「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?
CES展上發佈的蚊子偵測器怎麼辨別這種微小差異的?
以色列新創業者Bzigo在CES展出一款室內蚊子或小型飛蟲偵測器,宣稱能夠偵測距離8公尺內的蚊子、追蹤蚊子飛行的軌跡,但蚊子很小隻且飛行速度不慢,實際可以偵測到的成效不知道如何,怎麼辨別蚊子或小型飛蟲和其他東西的差異?  

主題分類