臺灣人工智慧學校已經悄悄使用MLOps三年了。臺灣人工智慧學校校務長蔡明順指出，學校用MLOps來優化技術班的學員模型開發流程，也用來配置運算資源。
#看更多 https://www.ithome.com.tw/news/145335
臺灣人工智慧學校 在 iThome Facebook 的精選貼文
同時也有1部Youtube影片，追蹤數超過75萬的網紅志祺七七 X 圖文不符，也在其Youtube影片中提到，＃記得打開ＣＣ字幕 ＃低調進行 ✔︎ 成為志祺七七會員：http://bit.ly/join_shasha77 ✔︎ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe ✔︎ 追蹤志祺 の IG ：https://www.instagram.com/shasha7...
「臺灣人工智慧學校」的推薦目錄：
臺灣人工智慧學校 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
Google、軟銀都陣亡過！盤點 AI 專案失敗的 4 大原因
Posted on2021/02/04
若水AI Blog
【我們為什麼挑選這篇文章】為了適應未知多變的世界，許多企業搶做「數位轉型」，從公司營運的各層面如客戶體驗、商業模式、企業文化到作業流程等，透過科技的導入來提升效率與效能；而對製造業企業而言，原料採購、物流管理、庫存調配、生產、行銷等環節則是企業主進行數位轉型會優先考量的面向。
在這之中，AI 的運用扮演很關鍵的角色，如何將 AI 應用到上述各層面並實際執行，是許多企業面臨的挑戰，有哪些要點是執行 AI 專案時需特別留意的？（責任編輯：賴佩萱）
作者：若水 AI 資料資料處理部負責人 簡季婕
2020 年，突如其來的新冠肺炎疫情（Covid-19）改變了許多產業的命運，同時加速推促 AI 落地的速度，AI 人工智慧的應用將成為企業的新日常。
若水 AI 資料服務團隊本著為臺灣 AI 應用落地盡份心力的初衷，順著這波改變，推出全新系列內容：與機器學習（ML : Machine Learning）、AIOps 智慧運維（Artificial Intelligence for IT Operations）有關的實用文，分享各界專家在每一天如何持續營運、優化 AI 架構以及資料處理的基本功。
【若水導讀】AI 專案順利通關的三個絕招：
1. AI 資料來源要多元，避免學習偏誤
2. 標註前，請先建立客觀的 AI 資料標註（Data Annotation）原則
3. 讓 AI 人工智慧成為組織的共同語言，會更容易成功
企業都想做 AI，但實際上沒那麼簡單
根據《臺灣人工智慧學校 AI Academy Taiwan》2019 年針對臺灣各大產業 1,095 位業界校友的調查統計，成功導入 AI 人工智慧的臺灣企業僅占 20%。放眼國際，許多全球知名企業的 AI 專案也慘遭滑鐵盧：
Google 在泰國落地測試智慧醫療失敗，拖慢醫療流程；美國杜克大學發佈的 PULSE 演算法誤將歐巴馬的頭像還原為白人，引發種族歧視爭議。
在日本，軟銀（Softbank）社長孫正義原本打算以 AI 機器人取代銷售人員，沒想到 AI 機器人無法應付實際場域的複雜性，計畫負責人只好承認失敗：「我們把機器學習（Machine Learning）想得太簡單了」。
AI 專案難實際執行，問題出在哪？
若水經手過臺灣、日本超過 200 個的 AI 資料處理專案，從橫跨各大產業領域的專案經驗，整理出企業 AI 之所以無法順利落地的四大原因。
1. AI 模型訓練過程中沒有加入實際場域的資料
無論是剛導入 AI 而產生資料處理需求的新手企業，還是已有 AI 專案經驗、為了 retrain 模型再度找上若水的老手企業，都曾經在同一個地方卡關：AI 資料標註品質有做到位元，但 AI 模型卻無法應用落地 。
為什麼？
原因在於，客戶並未以「實際場景」的資料來進行 AI 模型訓練。
現在市面上有許多開放資料集（Open Dataset）或是免費的商用網路圖片，企業通常會優先使用這些免費資源進行 AI 資料標註（Data Annotation）讓機器學習，但是放到實際場域測試後，經常發現 AI 模型成效不佳，無法適用於實際場景，最終還是需要回過頭再進行第二次模型訓練（Model Training）。
因此 在 AI 專案開始前，建議企業首先需要在內部建立資料資料流（Data Pipeline），而在收集資料時，不只使用開放資料集（Open Dataset），也須確保有使用符合實際應用場景的資料來訓練 AI 模型，全盤考量資料類型、角度等多元性，避免機器學習偏誤 。
2. AI 資料標註原則定義不夠客觀
與企業工程師對接 AI 資料處理需求時，當我們詢問這批人臉辨識（Face Recognition）的 AI 資料標註的原則是什麼，常常會接到諸如此類的回答：「頭太小的話，就不要標註數據」。
一般人的邏輯覺得很合理的事情，對於機器學習（Machine Learning）來說卻是一大挑戰。 機器學習需要知道的是趨近「絕對客觀」的原則 ，例如，所謂的頭太大、太小，換算成具體數值會是幾乘幾大小的 pixel？如果圖片背景融色或模糊，也需要標註起來嗎？
一旦 AI 資料標註原則不夠客觀，AI 模型很容易隨著人的「主觀認定」來學習，當專案換了一位工程師，機器學習出來的效果可能也會跟著變 。在我們的經驗，原則的訂定最好透過「對話」，藉由反覆詰問，才能加快釐清目標。有了歸納、定義出客觀的 AI 資料標註原則。就會加快模型學習（Model Learning）成效。
為了清楚定義圖片融色或模糊的問題，我們採用國際照明委員會（International Commission on Illumination）訂定的 Delta E 標準，和影像（圖像）品質評估標準 BRISQUE，和客戶確認彼此認知是否一致。
根據國際標準，人的肉眼能分辨得出來的色差，至少會在 Delta E 值 2 以上。所以，當一張影像測出來 Delta E 值小於 2，就表示這張圖的融色程度太高，無法標註。
假如客戶希望「太模糊的圖片不要標註」，團隊也會根據 BRISQUE（影像品質評估標準）的標準，輸出不同模糊指數的圖片，請客戶確認所謂的模糊，具體來說是 70% 還是 80%。
3. AI 模型訓練（Model Training）沒有循序漸進
以肢體行為辨識（Posture Estimation）為例，Coco Dataset 從一開始只辨識人體 7 大主要關鍵點（Key Point），後來逐步發展成 25 點，甚至快 40 點，有些客戶會希望若水 AI 團隊可以一次就標註 40 個關鍵點，直接拿去機器學習（Machine Learning）。
說起來，機器學習和教小孩很像，一下子給太多的特徵點（Feature Points）反而會「揠苗助長」，導致 AI 模型學到最後分不清楚自己到底在學習什麼。我們也遇過有些客戶，一開始想用難度較高的 Segmentation 方式讓模型學習人的行為，但是人的行為百百種、語意切割（Segmentation）的變異度也高，就比較難學得好。
當這些客戶再回頭來找若水，通常會比較循序漸進，從小地方開始逐步改進 AI 模型。
4. 缺乏管理層的理解與支持
AI 熱潮讓許多企業趨之若鶩，然而 AI 要能夠順利落地，除了上述三項實務建議，企業管理層對於 AI 的認知和支持更是一大關鍵。
許多臺灣企業的 AI 數位轉型主導者，可能是傳統公司裡面有豐富資歷的 CTO 技術長或管理階層，對於 AI 人工智慧這個全新領域的概念，比較缺乏深度的理解，也沒有類似 AI 模型訓練和測試的相關經驗，從上述 4 個原因去追尋難以落地的根源，或許能有所助益。
資料來源：https://buzzorange.com/techorange/2021/02/04/ai-project-difficulties/?fbclid=IwAR04ZC1-1MquyCObEI5HIfTKtV-OkcfxL_R8vRin4YgQMl8cnhS_6aM59vU
臺灣人工智慧學校 在 昱創企管顧問有限公司 Facebook 的最佳解答
「2020 智慧製造與智慧金融論壇」舉行了，
「如何運用情境數據（Real-Time Context Data）來改善決策，
甚至是持續優化結果，
準確的給客戶最好的需求」，
「智慧科技人才培育也顯其重要，
以『懂工藝』、『懂資料』和『懂控制』
三大部分來深度探討」，
「AI 人工智慧發展趨勢，
將是各界的跨域結合，
驅動商業的決策。
透過技術，
學習度能高速成長」
這些是數位轉型的重點。
＃人工智慧 #數位轉型
AIoT數位轉型策略與實務 博客來購買：https://www.books.com.tw/products/0010875914?loc=P_0001_007
AIoT的現在與未來Ted演講：https://www.youtube.com/watch?v=lCXRPlaUk0s&t=4s
中華亞太智慧物聯發展協會協助企業數位轉型 https://www.facebook.com/APAC.AIOT/
https://technews.tw/2020/12/29/intelligent-manufacturing-smart-finance-forum/
臺灣人工智慧學校 在 志祺七七 X 圖文不符 Youtube 的最佳解答
＃記得打開ＣＣ字幕 ＃低調進行
✔︎ 成為志祺七七會員：http://bit.ly/join_shasha77
✔︎ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺 の IG ：https://www.instagram.com/shasha77.daily
✔︎ 志祺七七 の 粉專 ：http://bit.ly/shasha77_fb
各節重點：
【臺灣焦點】
00:28 校園智慧販賣機爭議
02:05 Uber條款上路
03:27 美食外送員勞安議題
【國際關注】
05:11 香港少女浮〇案
06:09 暴雪的爐石風波
06:50 NBA風波後續
08:11 中美貿易戰出現轉機
09:08 土耳其出兵攻打庫德族
11:01 諾貝爾文學獎出爐
【趣味集錦】
12:13 隱藏版飲料
【 製作團隊 】
｜企劃：土龍
｜腳本：土龍、力寧
｜剪輯後製：Pookie
｜剪輯助理：絲繡 ＆ 范范
｜演出：志祺
——
【 本集參考資料 】
🔸校園智慧販賣機爭議
→ 智慧販賣機進校園惹議 柯文哲：不准人工智慧進入校園是「因噎廢食」：http://bit.ly/2MKjuqN
→ 學校裝智慧販賣機引議 北市教育局重申：勿將教育議題政治化：http://bit.ly/2BfJmFJ
→ 學校設智慧販賣機 北市：訂規定防數據外洩：http://bit.ly/32k0Axt
→ 智慧販賣機進校園 羅文嘉盼柯文哲懸崖勒馬：http://bit.ly/2BhUUrT
→ 北市校園推「智慧販賣機」 黃郁芬痛批：收集學生12年消費資訊：http://bit.ly/31o8apP
→ 校園設「智慧販賣機」惹議 北市教育局：金華國中等9校試辦、不強制放置：http://bit.ly/2BgLPj6
→ 販賣機搶智慧..政府卻遭轟學生健康想送給廠商 家長們紛紛抗議：http://bit.ly/32jYaz3
🔸uber條款上路
→ Uber條款6日開罰 交通部輔導司機轉型延至12月：http://bit.ly/31l5x7Q
→ Uber條款擬延後執行 小黃運將嗆：連假後天天包圍行政院：http://bit.ly/2pqKmnC
→ 【Uber 條款明日上路】一次看懂 Uber 新模式，未來還有浮動費率這回事嗎？：http://bit.ly/32i2Yos
🔸外送員勞安議題
→ 3天內2外送員車禍亡 勞動部：若無保險將罰業者：http://bit.ly/2Bc7KYK
→ 外送員之〇！北市勞檢處今分三路勞檢外送平台：http://bit.ly/31jtQmX
→ 一個外送員心聲 蹲路邊吃飯用勞力時間換錢：http://bit.ly/2ITIElK
→ 外送員勞安問題頻傳 台南市建議參加這些工會：http://bit.ly/2pqKwLK
→ Foodpanda外送員車禍又一起 遭闖紅燈車輛撞飛：http://bit.ly/32lw5XV
→ 外送車禍又1人！ 女送餐員和小貨車相撞 手臂鈍傷：http://bit.ly/2pqKBiw
→ 今日第三起！雲林Foodpanda外送員車禍 飲料流滿地：http://bit.ly/35GEnvB
→ 勞動部認定UberEATS及foodpanda為僱傭關係 最高罰175萬：http://bit.ly/2pokMQf
→ 勞動部勞檢 確認平台與外送員屬僱傭關係：http://bit.ly/2VJprIC
→ foodpanda：與外送員為承攬關係 不接受僱傭關係認定：http://bit.ly/32kqOQy
🔸香港少女浮〇案
→ 香港15歲少女泳將變浮〇 警方證實身分：http://bit.ly/2MiR9Zx
→ 參與反送中 15歲女泳將變浮〇：http://bit.ly/2P1kVUL
→ 香港海上浮〇頻現！曾參與反送中...15歲少女變全裸浮〇：http://bit.ly/32lba7r
🔸爐石風波
→ 電競選手大喊光復香港 遊戲廠商取消獎金還禁賽：http://bit.ly/2VMRIOl
→ 繼NBA之後，電競也跪了！《爐石戰記》香港選手戴面罩受訪，遭取消獎金並禁賽一年：http://bit.ly/2BrmXFH
→ 爐石風波》暴雪員工曝公司內部慘況 「沉默得震耳欲聾」：http://bit.ly/2Bejvhl
→ 爐石風波》坦承處分急促 總裁︰獎金發還、禁賽改半年：http://bit.ly/33CLLpU
🔸NBA風波後續
→ 【挺港風波】NBA主席拒道歉 北京回嗆：不了解中國民意是行不通的：http://bit.ly/2MDGM1m
→ 中國反NBA 哈登改口挺言論自由：http://bit.ly/2IUT8Bv
→ 華爾街日報：NBA火箭隊事件破壞向中國道歉儀式：http://bit.ly/2MJrkRF
→ NBA遇上中國惹一身腥 標榜進步價值淪為反諷：http://bit.ly/2MjXCDz
→ 騰訊體育抵制不到一週 恢復轉播NBA：http://bit.ly/2MIq9lr
→ 深圳賽觀眾爆滿！NBA微博發文又讓中國網友崩潰了：http://bit.ly/2pl47gD
→ 中國式抵制＝擠爆NBA球場？陸網狂酸進場球迷：跪族籃孩：http://bit.ly/2Be5j7U
→ NBA上海開打超低調 陸球迷撕7萬元門票：http://bit.ly/2VS6qny
→ 抵制不到一周 騰訊今突恢復NBA轉播：http://bit.ly/2oKxfxK
🔸美中貿易戰最新發展
→ 美中達第一階段貿易協議 重點報你知：http://bit.ly/2MJ6UYW
→ 美中達初步貿易協議 川普贏面子北京贏裡子：http://bit.ly/32fS56C
→ 美中貿易達協議 美農振奮 美企期待 學者質疑：http://bit.ly/2psE1Ih
→ 川普宣布：美中已達成第一階段貿易協議：http://bit.ly/35DXsPa
→ 川普：香港反送中示威很快會自行落幕：http://bit.ly/35FcfJu
→ Trump on Hong Kong: ‘I think that’s going to take care of itself’：http://bit.ly/2pmjghA
🔸土耳其出兵攻打庫德族
→ 川普撤回全部美軍：敘利亞庫德人轉投阿薩德政府軍、俄軍求援：http://bit.ly/35FcnZu
→ 川普背棄敘利亞庫德人，共和黨集體暴怒：你和歐巴馬一樣爛：http://bit.ly/2ORRPXO
→ 「和平之泉行動」開戰：土耳其大軍圍攻，敘利亞庫德人再啟「種族清洗」疑懼？：http://bit.ly/2MiW64N
→ 美國背棄加土耳其進軍 庫德族如何救亡圖存：http://bit.ly/2MLyKDH
→ 聲援庫德族 法德中止對土耳其軍售：http://bit.ly/2MQJ25Q
→ 憂伊斯蘭國死灰復燃 法德領袖籲土別打庫德族：http://bit.ly/2IUU3St
→ 美以經濟停擺強力制裁相逼 土耳其：將以牙還牙：http://bit.ly/35DpPgw
→ 土出兵遭譴責 艾爾段：360萬難民送去歐洲：http://bit.ly/35FcGDC
→ 背棄盟友撤軍遭砲轟 川普：庫德族沒幫忙打二戰：http://bit.ly/35NaYQG
→ 「我人生中最棒的一天」伊拉克庫德人獨立公投沒在怕：
🔸諾貝爾文學獎
→ 走過醜聞 評審諾貝爾文學獎的瑞典學院要重振聲譽：http://bit.ly/2oJOkaY
→ 跨越疆界、探索人類生命經驗 2名中歐得獎者點亮諾貝爾文學獎：http://bit.ly/2MXfVOj
→ 朵卡荻奪諾貝爾文學獎 長年致力書寫波蘭：http://bit.ly/32i4Rl2
→ 奧地利作家獲諾貝爾文學獎 影響當代劇場開創性：http://bit.ly/2ITx4XS
→ 諾貝爾文學獎頒給塞爾維亞強人仰慕者 波士尼亞等國憤怒：http://bit.ly/2ISfhQU
【 延伸閱讀 】
→ 隱藏版！校園販賣機偷賣含糖飲 學生都知情：http://bit.ly/35DyEGS
→ 販賣機掉出「隱藏版奶茶」 校園偷賣含糖飲料－民視新聞：http://bit.ly/31ppKK4
→ 觀點投書：Uber車禍，誰來負責：http://bit.ly/2MNKjdN
→ Uber Eats快速擴張各國市場 死傷理賠問題多：http://bit.ly/2MksQL1
→ 【毛快報#16】foodpanda/ubereat/戶戶送不用幫外送員保勞健保？假承攬真雇傭是什麼意思？：http://bit.ly/31fAU3L
→ 李志良觀點》封殺NBA急轉彎 台灣要小心中國的彈性與務實：http://bit.ly/2IR5omb
→ 【庫德族建國】走訪地表最危險區域 伊拉克庫德斯坦獨立運動紀實：http://bit.ly/2VP7Vmu
→ 「我人生中最棒的一天」伊拉克庫德人獨立公投沒在怕：http://bit.ly/32vZ5fC
→ 獨立公投一年後 伊拉克庫德族建國夢仍遙遠：http://bit.ly/2ozkPZD
→ 諾貝爾經濟學獎 3學者研究緩解全球貧困摘桂冠：http://bit.ly/35ESv8T
→ 諾貝爾物理學獎 3學者對暗物質和系外行星貢獻獲殊榮：http://bit.ly/31cMgpi
→ 諾貝爾化學獎 美英日3學者發展鋰離子電池獲殊榮：http://bit.ly/35CAV5k
→ 諾貝爾和平獎 衣索比亞總理阿邁德解決邊界衝突獲殊榮：http://bit.ly/2ITxf5u
＼每週７天，每天７點，每次７分鐘，和我們一起了解更多有趣的生活議題吧！／
🥁七七仔們如果想寄東西關懷七七團隊與志祺，傳送門如下：
106台北市大安區羅斯福路二段111號8樓
如有業務需求，請洽：hi@simpleinfo.cc
臺灣人工智慧學校 在 台灣人工智慧學校| Xinbei - Facebook 的推薦與評價
台灣人工智慧學校 · 粉絲專頁 · 教育 · 新北市板橋區中山路一段141 號14 樓, Xinbei, Taiwan · [email protected] · aiacademy.tw · 評分· 4.9（56 則評論） · 查看更多有關台灣 ... ... <看更多>
臺灣人工智慧學校 在 台灣人工智慧學校 - YouTube 的推薦與評價
【關於台灣人工智慧學校】 台灣人工智慧學校是台灣第一個以培育台灣AI產業人才為己任的機構，不僅積極將學界在人工智慧的知識精華傳遞至業界，也將產業界的問題與 ... ... <看更多>
臺灣人工智慧學校 在 [心得] AIA 台灣人工智慧學校－技術領袖班- 看板Soft_Job 的推薦與評價
因為非本科系出身，想找個紮實的入門課程，聽說第一屆的評價不錯，
剛好台中開班就報名了技術領袖班。
課程快結束了，最近也看到不少想上相關課程的詢問，
分享一些資訊給有需求的人一些參考。
在講個人感想之前，先講一些數字。
學生 163
1080Ti 144 (19人連新竹機房)
助教 12
教室位置(含助教) 168 (其餘的坐會議室/演講廳)
課程十二周，專題實作四周，共 十六 周
每周上課三天， 09:30 ~ 17:00
有講者時會到 18:00
休息時間各自掌握，午休算一個半小時的話，每天有6小時。
(有小數點誤差)
課程大綱 天數 老師影片 助教影片 每日影片
時長(小時) 時長(小時) (小時/天)
python 1 0 2.7 2.7
爬蟲 1 0 1.6 1.6
機率、統計與R語言 3 4.4 0 1.5
機器學習與演算法 4 5.7 2.0 1.9
kaggle實戰 1 0 3.0 3.0
深度學習理論入門 1 1 0.8 1.8
深度學習-Tensorflow 2 1.2 1.6 1.4
深度學習 3 0.7 1.2 0.6
電腦視覺 1 6.8 0 6.8
遷移學習 1 2.6 3.1 5.7
生成式對抗網路 2 2.5 1.7 2.1
遞迴神經網路 3 2.9 1.1 1.3
自然語言處理 3 6.7 1.2 2.6
強化學習 4 7.4 2.5 2.5
總和 41.8 22.4
數字的部分大概是這樣，接下來的部分會參雜個人主觀意見，
請自行斟酌拿捏。
以下文章不會提到任何人名，只針對學校課程表達感想，
學校的師資每一位的學術或實務經驗都很足夠，沒有任何批評老師的意思。
首先要特地提的是，網路上找到的台北第一屆心得完全不適用。
上課第一天看到影片教學大多數人都是錯愕的。
那時的校方網頁並沒有提到是影片教學，是之後才放上相關訊息。
老師只會在章節課程結束後來半天做總結與問答。
課程設計理念 : https://aiacademy.tw/course-design/
第一屆老師上好上滿，第二屆之後都是影片課程，收費不變。
(are't you thankful?)
接著，最重要的當然是教材內容。
教材整體而言，感想：沒有系統性、沒有誠意。
很像是大學分組報告，每個人分一部份各自做完，沒有整合。
個人認為講最好的老師，獨挑大樑佔了大多數的課程。
但校方的教材完全就是由老師個人頻道影片剪輯而成，
順序稍作變動、剪去部分內容，再加上助教的影片補充。
而其餘的老師，有的不太會解釋複雜的概念，
有的太注重片段的技術，講完還是不太清楚整體架構。
而且有的助教影片講到的東西是後面老師才會講解；
有的老師重複講了前面老師提到的東西；
有的老師講解完的東西助教又講了一次；
想在各領域應用，應該要主攻那些章節的課程地圖在課程尾聲才出現；
最絕的是，有的老師幾乎都用別人的公開課程ppt講課，
課程總結也不是自己來。
從前面數字的部分看得出來，整體來說每日的影片量負擔並不大，
但在課程尾聲，某次老師現場總結時，問了兩個問題：
課程影片按照進度看完的舉手？ 個人目測不到一半
課程實作按照進度做完的舉手？ 個人目測幾乎沒有
可能是大家不敢舉手、也可能是教材真的非常紮實吧？
網站上列的講師，有將近一半完全沒參與到課程，
有的也只是負責一小部分補充教材，而不是單獨一個章節。
列一堆豪華師資幾乎都是當招牌。
其他還有許多小地方的問題。
助教大多數是碩士生，碩士生上下限就很大，
有的會突然忘記該領域是用什麼公式計算分數評估架構，
有的開讀書會講得比某些老師還有誠意，講最新技術還自製ppt。
硬體資源明顯不足，招生時還寫名額200。
對照起校方的教學理念，真的蠻有趣的。
校方認為AIA有幾個優點：
影片授課讓大家自己掌握進度
教材內容剛剛提過了。
助教隨時回答問題
實作碰到的問題大致上還可以，其實問題量也不大，助教負擔並不重。
但複雜的問題就難說了。
龐大且豐富的學術及企業真實問題及資料
實際上，可選的實作專題，大多數都是公開資料集或是爬蟲就爬得到的股價之類。
來自不同領域的人工智慧學校校友網絡
整天戴著耳機聽課，也沒多少交流機會，更別說許多是同公司認識的小團體。
對我這種宅宅來說要認識人太困難了，幾乎都是點頭之交。
寫得有點亂，總之，我個人並不覺得學費是值回票價的。
48000拿去買一張1080Ti，剩下的都可以包好幾門Coursera的課程，
課程精心設計、影片含字幕，證書還可以直接掛LinkediIn。
討厭英文不想上Coursera的話，其實AIA的課程也很多英文，
不只ppt，老師講課也會參雜英文，而且沒有字幕。
從各個角度來看，我都不認為有什麼理由不選Coursera
明天就是校友會了，不知道未來課程會不會改進。
在這種時候po文，我也做好黑掉的心理準備了。
...應該不用附上不自殺聲明吧？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.249.228.244
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1542379875.A.DE5.html
估狗得到，關鍵字：開學典禮、速記。搭配校名使用。
其實我蠻佩服其他同學的，很多人努力自己嗑起來，
不管是自己買書或是找網路上其他教學資源。
同學組成嘛...這部分比較特別。
同學大多數是某些大企業送過來的，校方有所謂的移地解題方案。
就是帶著自己的問題，過來學校學，專題做自己的題目，
會簽保密。
大概超過一半都是這類型的。
另外就是沒做企業專題的，但也是公司出錢送過來，
這也佔不少比例。
剩下就是原PO這種冤大頭了。
職業背景超過四分之三都是工程師，
剩下有些是主管階級，
也有護理師、醫師報名技術班。
比較特別的是有位高中生。
這我要替助教說些話，某些助教是真的有料。
這周有位助教講解google的最新論文，BERT。
連其他助教都很專心聽，下課問問題的人潮也比某些老師多。
我本來只是想學最基礎的東西，比較新的論文慢慢嗑。
但...
這我最近才知道，千金難買...
年近三十才醒悟想轉跑道，比較沒有餘力洗碩。
------------------------------------------------------------------------------
聽說第一屆蠻多是打算創業來找夥伴的，
但原PO宅宅不善交際，不清楚詳細情況。
我認同可以嘗試不同教學方式，但課程內容應該要再用點心。
不然六家企業各捐助三千萬，對得起這些出資人嗎？
蠻多人私底下抱怨這點。
其實FB的校友交流區也是固定某幾位發文而已。
個人雖然非本科，但碩班有摸MATLAB跟一些簡單的影像處理。
只是還是很吃力，很多東西得自己再找資源慢慢學。
那位護理師同學就...
其實會報名這課程的同學也沒有想要到這地步，
當初開學典禮的時候，執行長說：
各位是各領域的專家，來這裡上課，帶著技術回去應用。
大概是同學報名的目的。
其實某些老師也是蠻用心準備教材的，
很多技術細節會用實例帶大家看一次。
只是影片時間不夠，沒有很完整的觀念。
kaggle實戰算是回家作業吧，
就上課看完影片，知道規則跟大致方向，
各自嘗試做，大概一兩個禮拜，做房價預測那個競賽。
不少人是沒有做出來的，老實說。
是連參考別人的程式都沒有的那種。
※ 編輯: name0625 (1.165.42.66), 11/17/2018 09:54:11
其實個人也有點迷惘，可能會先嘗試面試，看看自己實力在哪。
不知道有沒有前輩可以給點相關建議？
※ 編輯: name0625 (1.165.42.66), 11/17/2018 09:59:52
沒錯，我認同影片上課有優點。
Coursera的課程有些就不錯。
而這課程，一來事先不知，二來教材品質不佳。
連影片的錄製品質都很差，解析度多以720p為主，
同一天影片不同片段大小聲差很多，
有的會忘詞超過五秒，有的語速慢到得開1.4倍，
有的助教感冒還在錄影片，偶爾會咳嗽爆音。
如果把語速調到正常對話，影片可能會縮短五分之一，
我大多數的影片都是用1.25x在看的。
另外，校方用的影片平台是youtube。
沒字幕，也沒Coursera課程中的那種觀念小測驗。
※ 編輯: name0625 (1.165.42.66), 11/17/2018 12:44:28
經理人班來說應該是，可是技術領袖班很多都是同公司的。
以台中班的組成來說，有一半同學分屬兩間不同公司。
突然想起來，補充一點。
有位老師說他被填意見單說數學太難，所以被校方要求減少數學理論的部分。
※ 編輯: name0625 (1.165.42.66), 11/17/2018 12:53:38
劉講師好。
建議的話，其實每次意見表單都有填。
最大的問題就是沒有系統性的規劃課程，講師的部分也是。
您當天來的時候，講了很多NLP的架構，
但是台下同學吸收了多少就很難說。
以我個人的感想來說，
一來基礎還沒學穩，二來不是熟悉的領域。
聽到一半就靈魂出竅了，
兩小時內一次講678個架構應該只能有個模糊的印象。
而之後的NLP總結，老師就發現很多同學沒跟上進度，
總結課變複習課。
題外話是，校方的講師安排真的很棒，
強化學習課程還沒開始，就兩次強化學習的講課，
第一次看實作案例就算了，
第二次都開始講公式，還強調是前導學習引起大家興趣。
嗯。
考試不難，基本上wikipedia可以解決八成的問題。
就很簡單套公式算答案就可以了。
而且很多是選擇題。
說到考試我就想起來，
當初入學考試，才兩百多位考生，
考試伺服器就爆炸，最後改用google表單考試。
蠻好笑的。
不用謝我，救人一命勝造七級浮屠
https://aiacademy.tw/refund/
※ 編輯: name0625 (60.249.228.244), 11/17/2018 22:57:55
是，非本科系，想找入門課程。
但學校讓我入學了，那我至少應該符合校方的教材基礎。
除非校方入學考沒有鑑別度，或是校方對教材掌握度不夠。
當然也可以說我個人不夠努力沒跟上課程，
我認同，至少跟那些自行買書的前茅同學相比，
我是不夠努力。
我想要的課程，並不是讓我四個月飛天可比碩士的課程。
我想要的是讓我瞭解基礎，並具備自行往特定領域鑽研的能力。
具體來說大概是：
1.定義問題與解決步驟的大致架構。
某知名老師的影片很詳細，這點沒什麼問題。
2.瞭解各個基本架構 (如DNN、CNN、RNN、LSTM等) 與loss傳遞過程，
並有能力不依靠tensorflow建立參數量不大的小型網路 (Lenet-5之類) 。
某些基本架構講得很詳細，尤其是知名老師範圍內的部分，
但後續某些部份就比較模糊，架構可能還瞭解但loss傳遞就比較模糊。
3.瞭解要如何套用這些網路到目前熱門應用領域。
影像部分算是蠻多例子，但GAN、NLP就蠻模糊，
RL個人暫時跳過先做專題。
總結來說，我希望把我當白痴來教，
從最簡單最底層開始教起，
不需要教太多最新的架構，
不需要講太多網路的變種。
我想要的是基礎，先培養出最基本的能力，
單純就這點來說，四個月是否足夠？
這部分的確是個人解讀，
但校方課程規劃的確是沒有規劃分組分領域的部分。
課程地圖在課程尾聲才出現不說，
考試與作業也都是固定題目，
看起來校方的課程規劃並沒有分組分領域的考量。
如果校方教材本身就有分組，考試與作業也都分組，
不同領域的教材更加基礎、更加紮實，
那我沒有任何意見，會向大家推薦這個課程。
但有的影片常常卡詞、有的東西重複講、
有的東西還沒講就在實作影片先提到、
有的東西老師沒教是讓助教講。
都要錄影片做數位教材了，
先擬好課綱、打好講稿，
不是很好嗎？
有的影片語速慢到讓我覺得像用字型大小18交報告，
我會覺得不如給文字檔教材讓我自己看。
謝謝建議，個人應該會先嘗試面試找地方練功吧，
畢竟要養活自己。
對的，個人頻道上還有字幕，
付費的教材反而沒有，還是閹割版。
講師現場授課時，大致上都蠻有條理的，
影片水準就參差不齊。
助教主要是程度不一，操作上的問題大致沒問題，
但理論上的問題就不一定了。
其實都數位化了，讓老師在網路上定期回答問題就可以，
不知道校方為什麼不做。
一堆網路教學平台可以參考，商業化的也有，
至少做到人家的八成吧，
不然講白了，收費比別人貴、品質比別人差，
為什麼要選你？
※ 編輯: name0625 (60.249.228.244), 11/18/2018 14:50:29
抱歉，閹割版跟精華版不一樣，
閹割版順序變了，影片內容不是原本老師的授課順序，
想改教材順序我沒意見，
收費四萬八可以請校方跟老師協調好教材並錄製影片嗎？
要我說明白一點也可以，
收費四萬八看網路上早就有的公開課程的片段，
那我幹嘛交這些錢？
tensorflow也幫你做了不少事情，我想連evaluation都自己做。
我想要有能力不靠framework寫出來。
我想我表達得很清楚，
如果您要認為是我學不好，我沒意見。
我的確是沒學到我預期的目標。
知道最新技術是不錯，某知名老師的作法我覺得就很好，
大致講說有哪些變種，給個PPT附上參考資料，讓大家有興趣各自研讀。
那如果是要上課細講各領域新技術，十二周學得完？
我想我說得很清楚，我想像中的課程是，
把我當白痴教，打好基礎，讓我有能力讀新的paper去應用。
時間有限、天賦有限，我沒有想要十二周學成專家，
我只想穩穩踏上起點。
既然你提到花了不少錢，那我也想強調：
我花了不少錢，
不是想看剪貼拼湊課程，不是想看拿別人PPT講課。
說好的龐大且豐富的學術及企業真實問題及資料在哪裡？open data？
說好的Tier1來教Tier2在哪裡？
https://aiacademy.tw/tech-leader-lecturers/
這裡面將近一半我沒印象耶，
更別說當初師資是連經理人班都放一起。
一個想教育全台AI的課程，
為什麼不能花點心思製作教材？
為什麼不能花點時間錄製影片？
為什麼搞得像大學分組報告？
雖然站內信回了，但我被開砲也很不爽。
我就直接講了。
台中的就業媒合，助教已經先打預防針說應該不會有太多企業來看。
可選專題都是前幾班做過的東西，沒有新玩意，
所以要找人的話，
要嘛前幾班就找了，
不然就是前幾班都不滿意沒有找。
應該也沒多少人期待這部分啦。
OK，開始戰實力，
抱歉我就是通過了入學考。
其實校方也沒宣布大家各自考多少分，
說不定我考0分校方也讓我入學了。
那究竟是我的問題還是校方考題的問題呢？
蠻有意思的。
※ 編輯: name0625 (60.249.228.244), 11/18/2018 22:20:31
目前來說是沒有，
不過我發文目的只是想讓自費報名的人三思，
應該算有達到目的。
我的學經歷基本上就是HR會先刷掉那種，
也沒經營linkedin、github，
自己有多少斤兩自己知道，
應該就邊做學習筆記邊找面試機會碰運氣吧。
※ 編輯: name0625 (60.249.228.244), 11/18/2018 23:09:49
突然又想起來，有人提到預錄影片可以debug。
但是非常神奇的是，
用別人ppt講課的影片，
先講了任何一個row、所有column加起來都要等於1，
接下來說
第一個column加起來等於1、
第二個column加起來等於1、
第 n個column加起來都會等於1
同時滑鼠橫向移動比著row，
還好ppt最後有寫each row of the matrix sums to 1.
雖然應該是單純口誤，
但我還是覺得不太能接受。
※ 編輯: name0625 (60.249.228.244), 11/18/2018 23:32:09
NLP如果看不完，應該是參加不少讀書會或是講課，
個人算下來每日影片量大概將近三小時而已，
應該至少可以看完一輪，
可以參考表格最右邊那行。
個人認知上是，每個步驟都會算，細節都清楚的話，
應該可以不靠framework實作，
不知道我這樣認知有沒有問題？
至少單一學期內，我看不出課程有多少改變進步，
要培養基礎觀念，更應該減少最新理論的講解吧？
我也沒說我需要創新專案，
學界與業界在探討問題上可能有落差，
因此這部分他拿出來當賣點，
說校方有許多學界與企業真實問題與資料，
但專題題目與實際拿到的資料，
有多少是所謂的真實問題與資料？
課程或許有在改變，但目前來說這教材就是完全沒有讓我覺得值回票價。
沒有是指教材上沒有還是現場沒有？
白癡是我自己說的啦，別誤會。
我是說我希望把我當白癡教。
※ 編輯: name0625 (60.249.228.244), 11/19/2018 17:42:03
... <看更多>