若水觀點

數據教我的三件事,這麼做讓 AI 落地更精準!

2019-06-12T12:39:05+00:00

(圖片來源:若水 Flow) 文:若水國際 AI 數據服務事業部策略顧問簡季婕 數據多重要,現在大家都知道,但如何運用數據需要策略,不然會造成許多啼笑皆非的狀況。 跟大家講個最代表性的例子。Google

數據教我的三件事,這麼做讓 AI 落地更精準!2019-06-12T12:39:05+00:00

【數位時代】讓高階工程師更省力,若水幫企業練 AI 數據基本功

2019-06-11T07:48:39+00:00

文:蔣曜宇 / 數位時代記者 近年來越來越多台灣企業開始採用AI技術,然而許多企業卻忽略基礎數據處理的重要性。若水執行長陳潔如認為,AI應該長出產業分工鏈,才能提升 AI 應用的效率。 AI 應用近年來在台灣逐步落地,許多產業也開始思考如何導入AI,進而降低生產成本、增加整體營收。專門提供數據處理與諮詢服務的若水強調,企業對AI的思維轉型,不應只著重於演算法,更要加強檢驗並優化數據的處理。 若水執行長陳潔如表示,大公司的

【數位時代】讓高階工程師更省力,若水幫企業練 AI 數據基本功2019-06-11T07:48:39+00:00

【iThome】如何提高 AI 模型需要的高品質數據,若水揭露標註師工作的秘訣

2019-06-11T07:41:54+00:00

文:翁芊儒「大家都知道數據(data)很重要,但如何處理數據更重要,它會加值AI模型的養成。」若水AI數據服務事業部協理簡季婕在一場活動上,揭露自家新創團隊的數據處理策略,包括如何從大量原始的資料篩選出可用的資料並進行標註,以及實際標註時運用的工具與流程。簡季婕說明,雖然原始資料量(raw data)越多越好,但真正關鍵的挑戰是蒐集到可用的資料,舉無人車針對路況做出反應的模型為例,一般正常路況的資料量多、好蒐集,但真正訓練模型做出反應的車禍資料,反而較難取得。

【iThome】如何提高 AI 模型需要的高品質數據,若水揭露標註師工作的秘訣2019-06-11T07:41:54+00:00

【AI 時代的工作哲學】(1):看見數據裡的生命力

2019-06-11T08:32:20+00:00

AI很火,不論是社群媒體、電視上都能看到關於人工智慧的話題,而多數人對於深度學習、機器學習可能一知半解。 2017年底,若水本著「Tech for Good」的精神,結合一群來自各行各業的專業經理人,帶著全台數百位居家身障夥伴,跨足AI產業,提供數據顧問和標註服務,而這全世界首創模式。 這一年半來,我們近距離看到台灣,日本等地不同產業推動AI落地的機會和挑戰,這其中比較少人論及,卻又至關重要的就在於:如何打造「深度協作」的企業文化、跨團隊工作流程以及工作再設計。 而這也是若水每天在做的事。

【AI 時代的工作哲學】(1):看見數據裡的生命力2019-06-11T08:32:20+00:00

【AI 時代的工作哲學】(2) :原來數據標註是這麼一回事

2019-06-11T08:49:56+00:00

在 AI 產業工作的日常,若水數據標註團隊幾乎都用自己開發的標註平台,完成客戶交付的任務。 我們經歷了許多跌跌撞撞。從原本一個單一的數據處理平台,發展到至今,能處理各式各樣數據需求,像是畫點、畫四邊形、畫多邊形,以及貼標籤等等,就像似小時候常玩的「小畫家」。 常碰到有人問,若水為什麼不用已經開發出來的就好,還要投入這麼多心力與時間重新建置平台?

【AI 時代的工作哲學】(2) :原來數據標註是這麼一回事2019-06-11T08:49:56+00:00

【AI 時代的工作哲學】(3):用鷹眼管理,從巨量數據中提煉出黃金

2019-06-11T08:48:50+00:00

AI 產業裡的工程師每天都在做什麼?大部分的人應該認為:「Coding吧!」 其實在導入AI的公司裡,「取得訓練用的數據」才是佔絕大多數,因為只有乾淨、良好的數據提供給機器學習,AI工程師或是數據科學家,才能確保自己建造的神經網路模型能夠預測出有價值的東西。 通常 AI 工程師、數據科學家會用高達 80% 的時間,花在清理數據與準備數據上,AI市場上需要學習的領域涉及廣泛,如自動駕駛汽車,收據識別,道路缺陷檢測,互動電影推薦等需要許多來自不同領域的大量數據──由簡單到複雜、由普遍至特定專業領域的數據類型──如視覺影像、文字、音檔、感測器數據、醫療數據等。

【AI 時代的工作哲學】(3):用鷹眼管理,從巨量數據中提煉出黃金2019-06-11T08:48:50+00:00