| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

Line AI開發的關鍵基礎架構──ML Universe關鍵功能大公開

涵蓋了從模型實驗、Pipeline的持續部署與交付、自動化建立Pipeline,以及模型的持續訓練、持續部署、持續監測等流程

2021-04-08

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

【靠ML協作平臺加速AI落地】Line如何用MLOps重構AI開發流程

Line去年正式上線了一套加速AI開發的關鍵基礎架構平臺,要讓不同角色各司其職,藉由更緊密分工協作來系統性落地AI

2021-04-07

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決方案 | ML模型自動化 | AI維運

企業規模化落地AI關鍵是MLOps(下)三大原因助MLOps快速興起

促使MLOps快速成長的原因之一,是COVID-19疫情帶動大環境快速改變,導致許多部署上線的模型在一夕間不敷使用,凸顯了AI維運的挑戰

2021-04-06

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用

【AI開發也要擁抱DevOps】企業規模化落地AI關鍵是MLOps(上)

隨著企業AI走出實驗階段,開始分化出多種開發角色,如何透過打造如產線般緊密分工的協作方法,來加速落地AI?關鍵就是MLOps的實踐

2021-04-06

| 中鋼 | AI導入經驗 | 智慧製造 | AI應用 | 產業AI化 | 無人天車 | AI序號辨識 | 雲端化智能檢核

AI落地工業環境挑戰多,中鋼歸納3大AI導入經驗:足量訓練資料、選對技術、循序漸進為成功關鍵

中鋼採取由現場出題、專家解題的方法,從2017年開始較具規模的導入AI,今年在臺灣AI年會上,更分享了實作AI過程中遇到的挑戰,更以自家代表性的AI專案,歸納出3大實戰經驗來提供他者參考

2020-11-19

| AI | 美國 | 白宮 | 人工智慧應用監管指南 | AI應用 | 法令

美國白宮公布AI應用監管指南

外界對此解讀為白宮期待各機關對AI採用彈性的法令框架,而非嚴加控管,以免影響美國AI產業競爭力

2020-01-09

| 台新 | AI應用 | 流程精進 | NLP | NLG | 智能客服

台新金控CIO揭露台新AI應用四大方向,首度透露正在試用自然語言生成NLG技術

台新金控資訊長孫一仕揭露台新AI應用方向,包括客戶經營、流程精進、數據分析和風險和規等4方向。而目前台新也嘗試其他AI技術,像是自然語言生成(NLG)。

2018-07-12