Search
產業 AI 論壇 ＃5-1 報導：瑕疵檢測精準落地
為了深入探討各界領袖對於 AI 在製造業的推動之機會與挑戰，台灣人工智慧學校推出了「產業 AI 論壇：智慧製造主題」，透過一系列五場講座，邀請企業、學界、新創所提出務實、深入、具可行性的做法(Actions)與實證(Empirical studies)。8月12日以「智慧製造在流程自動化的應用(瑕疵診斷/檢測、生產排程)/善用 AI 瑕疵檢測技術降低成本與改善品質」為議題，邀請到三位講師分享執行智慧製造在流程自動化的重點，以及製造現場導入 AI 瑕疵檢測的經驗。
陳維超 數位長：企業的價值反映在資料
李家岩 教授：用資料科學找出流程問題
楊凱 副總裁：數據品質決定 AI 系統精準度
會後座談：供應鏈風險管理與 AI 瑕疵檢測的關聯
由郭秉宸產業發展總監主持，討論在製造業實務上如何在導入AI的同時兼顧風險管理。
活動精華報導盡在台灣人工智慧學校 Medium
https://medium.com/ai-academy-taiwan
＃台灣人工智慧學校Medium
＃產業AI論壇
如何培養工程師成AI人才?
成為一名人才絕對沒有最短路徑，也沒有最佳攻略，但是面對一個新的科技轉折點，推演急遽成長的市場需求與未來5年的產業供需變化，入門的AI 工程師是極有可能在3-5年時間，成為各公司與產業扛大旗的人才，如何能自我培養與上對高速列車？怎麼樣可以有效率的累積實力？我想可從這幾點個人技能來提昇：
1. 厚植內在實力：持續讀最新的技術論文、實做程式、帶領讀書會、統整報告、寫Medium 文章分享、甚至發表論文這幾項基本的個人技能，這是內功深化的累積。
2. 強化對外軟技能：培養基本的團隊協作能力和同事的溝通的能力，能夠用系統性思維解決問題，透過帶領教學與主題分享，反思轉換所學的知識，因為一位頂尖的人才，沒有團隊與群眾溝通能力，無法升級到更高層次。
3. 善用社群力量：善用OpenSource 繼續保持世界的開放和連接，OpenSource 有很多種不同的模式，在AI領域學習上Wikipedia、電腦科學論文ArXiv、開源程式碼GitHub、GitLab ...都是很好的開源系統，他們有著不同的理念，如果能實際參與機器學習分析 Kaggle 競賽，取得好的實戰經驗會更好。
4. 深入產業運用：保持產業密切合作，深入場域或是進行交流循環，AI技術如果不能結合產業領域知識活用，就像研發很多廚具但是始終無法做菜上桌。從點放驗證進一步能將流程優化，可將知識與經驗落地者，才能放大自己的市場價值。
5. 養成國際格局：主動與國際接軌與專家接觸交流，透過線上自學更新最新技能，ex: YouTube, Coursera, Udacity, Udemy, edX 頂尖大學免費或自費課程；加入線上專家社群、追蹤大神與大廠的新技術發表，參加國際頂級研討會、國際大型展覽論壇，爭取擔任會議講者不只可以發表看法，同時可以建立與高手專家的關係。
P.S. 上文是我連假時給AI Academy工程師的一點精進建議，也分享給大家，希望對正在努力突破的工程師有用，歡迎分享💪
#台灣人工智慧學校
#taiwanaiacademy
在Resnet提出之後，為了增加準確度，CNN變得更深也更加複雜，然而在這樣的情況下，使得我們沒有辦法輕易的在小型的硬體上使用我們的模型（例如，手機和攝影機），因此如何讓模型提高效能，同時也兼顧準確度就變成是一個很重要的課題，在本篇文章中，主要介紹 Efficient CNN中非常重要的一個CNN—MobilenetV1👉 https://bit.ly/2DN5H1T
#台灣人工智慧學校medium專欄
#作者為台灣人工智慧學校AI工程師
#台北總校 #台中校區 #南部校區
台灣人工智慧學校medium 在 #台灣人工智慧學校medium專欄 - Explore | Facebook 的推薦與評價
台灣人工智慧學校 工程師在這篇文章中，舉了四個網路上的免費資源，可以直接透過雲端執行Jupyter Notebook。除了基本CPU外，有些平台也提供免費GPU資源讓大家操好操滿！ 快 ... ... <看更多>