|
|
|
人工智慧當道的今日，許多企業都想藉由導入 AI 進行產業升級，但我們發現除了人才問題，企業的資料基礎更是不能忽視的問題。因此本期電子報將從大部分企業都會遇到的「資料斷點」談起，帶領大家認識最關鍵的資料治理問題。接著，從策略的擬定、資料的使用方式與其他品牌經驗分享，帶領讀者思考企業欲導入 AI 最需面對的核心問題。同時，我們也介紹了數據處理相關的技術文章，希望能藉由這一系列的文章，讓讀者對於企業的「資料資產」有更全面的認識。
|
|
|
|
|
｜首要問題：「資料治理」等於「資產管理」
65% 已導入 AI 的企業因資料缺乏整合，遇到資料斷點的挑戰，可預期還沒有導入的企業有很大的機率會遇到同樣問題
|
|
|
｜資料管理下一步：你的企業有擬訂資料策略嗎?
對許多企業來說，擁有大量資訊並不一定是好事，也不代表你能善用它。因此，擬定資料策略也就特別重要。但要如何做？
|
|
|
｜這樣用資料才能幫企業解決問題
透過網站、社群等方式，企業累積了眾多瀏覽及客戶資料，希望可以透過累積的資料創造價值，反而是誤解了資料的意涵
|
|
|
｜科技非一切解藥，這樣用資料才能避免失敗
科技難道是數位轉型的唯一方法？當企業投入大筆資金、導入最新技術，結果卻差搶人意，我們用兩大例子告訴你成功關鍵
|
|
｜科技長的技術補充包：實用資料訓練工具教學
執行機器學習專案過程中，需要大量紀錄訓練過程中的各項數據，還在為專案的紀錄方法苦惱嗎？工程師提供了新工具
|
|
|
｜工程師必學 AI 知識：遞迴神經網路進化史
可接受序列資料的神經網路模型，早就存在且不斷演進，這次活動將介紹深度學習在自然語言處理領域的發展與最新應用。
|
|
|
|
