「機器學習」夯什麼？企業4招快速部署法，即刻轉型踏上創新 ...

AI經常一起被討論的「兄弟檔」機器學習（Machine Learning）及深度 ... 將於3月27日舉辦線上研討會，深入說明AWS機器學習的實踐方式及最新的AI服務應用。

集團資訊關於我們集團介紹我們的團隊旗下媒體關鍵評論網everylittled.INSIDE運動視界Cool3c電影神搜未來大人物歐搜哇旗下節目多元服務Ad2Taketla拿票趣關鍵議題研究中心Cr.EDShareParty達思智能科技士奇傳播與我們合作內容行銷與廣告業務異業合作原創內容暨內容媒體業者合作加入我們新聞中心 Sponsored2020/03/13,科技PhotoCredit:Shutterstock廣編企劃由關鍵評論網媒體集團《業務團隊》製作，由各品牌單位贊助。

業務與行銷相關合作，歡迎與我們聯繫。

看更多此作者文章...訂閱作者收藏本文每月一杯咖啡的金額，支持優質觀點的誕生，享有更好的閱讀體驗。

立即支持立即報名：3月27日AWS線上研討會「加速你的機器學習之旅–AWS最新技術與應用」這幾年人工智慧（AI）已成為各行各業的「共同話題」，不論是科技大廠企圖在市場佈局拔得頭籌；抑或新創公司耕耘垂直領域，AI儼然是全球數位轉型的浪潮下，企業寄望保持競爭力的解囊。

AI經常一起被討論的「兄弟檔」機器學習（MachineLearning）及深度學習（DeepLearning），許多人很容易混淆這三者的概念，甚至企業決策者或開發工程師，也是知其意，卻不曉得如何在既有商業模式和IT架構下，運用機器學習快速掌握AI金礦。

我們與機器學習的距離，Netflix的推薦清單為何都不一樣？ PhotoCredit:Shutterstock首先釐清AI與ML、DL之間的關聯，想像有三個同心圓，最外圈是AI、中間是ML、最內圈是DL。

他們之間的差別，簡言之，ML是AI的一個分支，也是實現AI的其中一個途徑；而DL則是從ML的基礎，再更深入執行、優化ML的技術及應用。

從AI到ML，釋放更多運算的潛能，機器在不需經過手動給特殊指令的前提下，憑藉機器本身具備的程式學習能力，不斷使用大量數據，進而持續提升運算出來結果的精準度。

換言之，機器持續一連串自動學習過程，讓運算逐漸展現比以往更精準的成效。

解釋這麼多，有沒有更簡單的例子？事實上，我們日常生活，早就充滿ML的身影。

從手機的助理功能、智慧音箱的語音辨識，到購物網站跳出「猜你會喜歡」的推播建議，都是藉助大量資料的投入、演算，最後跑出最符合個人化的指令需求。

更具體的ML案例從Facebook觀察，他們利用機器學習功能，無時無刻掌握、分析用戶平常按哪一類貼文讚，在哪些主題停留較長時間，進而演算出更貼近用戶偏好的個人化內容。

又或是深受年輕人喜愛的Netflix，也是根據用戶對不同主題影音的觀看長度、停留率，讓ML分析大量複雜資料，所以不同帳號登入，推薦的影片清單自然都不一樣。

自動化到創新化，企業4步輕鬆部署感受ML威力當然，台灣的中小企業，論IT規模、工程師人數都比不上Facebook、Netflix這樣的大企業，但仍有更快速又輕鬆的方式，從雲端展開ML嘗試之旅。

如同Hotels.com副總裁兼資料科學長MatthewFryer曾說：「AWS是我們精心挑選的ML平台，為開發人員帶來全新方式，協助我們打造世界級旅行平台。

」正因為AWS的信念是「讓機器學習掌握在每個開發人員手中」，所以中小企業的工程師，能夠直接在AWS雲端平台從預先已訓練的AI服務，選擇電腦視覺、語言、推薦或預測等項目。

PhotoCredit:Shutterstock在雲端展開部署ML旅程，資料運算自動化是第一步起點，快速建立起ML模型，第二步優化數據以擴大價值，接著第三步是增加訓練ML新的功能特徵，擴大企業商業服務多元性，最後一步則是邁向持續創新，將企業掌握的獨特Know-How回饋給產業，帶動市場進步。

要從自動化到持續創新，企業必須經歷：組織擁護ML文化、洞察需要哪些數據、提升團隊技術能量、找尋關鍵商業痛點、持續規模化等五大流程。

對一般企業可能覺得不易實現，然而，正因為AWS提供「AmazonSageMaker」這項全受管服務，讓開發人員、資料科學家，得以更快速、輕鬆部署及訓練ML模型。

除了快速導入效益，ML最關鍵在於使用歷史資料進行模型訓練及評估。

因為不同資料組容易導致預測結果的有效性，經一段時間後影響模型品質。

對此，「AmazonSageMaker」還提供「ModelMonitor」模型監控功能，持續偵測模型品質，快速辨識問題並及早採取補救，透過稽核或再訓練模型。

加速邁開ML步伐，3大成功案例及寶藏全在研討會除了相關功能認知，究竟企業在AWS雲端平台進行ML部署，切確帶來哪些商業服務的優勢呢？以下來自不同行業的3個案例，證明邁開ML佈局步伐，一點都不難。

案例一：台灣石油化工製造商FormosaPlasticsFormosaPlastics致力提供垂直整合塑料樹脂及石油化工產品，是台灣頂尖製造商。

為了提升產品質量，決定藉助ML提升品質瑕疵偵測、降低人工成本。

FormosaPlastics首選AWS作為探索ML的最佳夥伴，在AWSMLSolutionsLab，從定義商業使用、選擇ML模型到實際部署，獲得AWS大力支援。

導入「AmazonSageMaker」之後，FormosaPlastics員工手動檢查時間大幅縮短50%，而且當生產條件變更後，仍能持續優化「SageMaker」模型。

案例二：台灣AI影像分析團隊Beseye台灣AI影像分析團隊Beseye致力提供安全攝影機的人工智慧影像分析服務，獨家的骨幹分析技術，可深度分析場域中人群的行為及意義。

藉助「AmazonEC2P3」提升分析效能，同時透過CloudWatch與ASG等服務有效管理部署，讓Beseye的解決方案落地美國、英國及日本等十個國家。

這項AI影像分析技術，目前廣泛應用在大型公共交通設施、大型零售店家、工廠生產線，克服當前人臉辨識無法解決的距離及角度限制等問題。

案例三：國際醫療設備大廠GEHealthcare國際大廠GEHealthcare為了持續維持競爭力，期望透過ML協助醫院降低營運成本，讓病患獲得更妥善的照護。

於是GEHealthcare攜手AWS，在「AmazonSageMaker」平台大規模部署ML解決方案。

GEHealthcare與教學醫院合作建立一套演算資料庫，改善傳統X光攝影技術，藉由ML辨識X光片異常結果提升醫師的判斷。

最終結果，82%醫療決策者肯定ML資料庫改善醫護品質；63%受訪表示有效降低病患再次入院率。

看完上述企業成果，開發人員還能透過什麼方式，更快熟悉ML的導入？AWS將在2020年3月27日舉辦一場線上研討會：「加速你的機器學習之旅–AWS最新技術與應用」。

更深入說明AWS機器學習實踐方式及最新的AI服務應用。

另一方面，本次研討會也將邀請台灣AI影像分析團隊Beseye，分享他們的商業模式，以及如何善用「AmazonEC2P3」提升分析效能等實務心得。

相信透過本次研討會，將呈現最廣泛、最深入的機器學習和AI服務說明。

更多AWS機器學習資訊：https://go.aws/2TVAY7a 猜你喜歡Tags：AWSAI機器學習深度學習AWS線上研討會成為會員，在關鍵評論網暢所欲言成為會員成為會員《娛樂已死未？》：香港關鍵詞「古天樂」2則觀點行政院會通過刪除《礦業法》霸王條款，為何原民和環團認為「一次性同意」可能有問題？1則觀點為什麼小馬可仕叫「邦邦」？關於菲律賓取「名字」的歷史背景和文化慣例4則觀點中職開季洋砲表現回顧：貴卻不好用，大洋砲時代即將夭折？2則觀點石沉大海的中歐投資協定（下）：中國、歐洲、美國的利益，彼此之間有什麼衝突？1則觀點美國聯邦上訴法院恢復德州HB20法案，社群平台以「不當言論」為由下架貼文時民眾可提告1則觀點鼓動親中台人嘲諷台灣防疫，中國「以疫謀亂」認知作戰又在蠢蠢欲動2則觀點想做物理治療，醫師說了算？台灣舉世罕見的醫療分工限制，帶來嚴重的照護後果1則觀點WHA前夕，美國正透過兩布局重回全球衛生治理核心，每一劍都揮向中國1則觀點羅訴韋德案爭議再起：為何川普任內一次修法，讓最高法院成為政黨意識形態的打手？2則觀點