2022-02-24【趨勢學】厚植AI力！AI數據實戰攻略 活動筆記
【厚植AI力講座花絮】
基地很開心邀請若水國際AI數據服務事業部協理 簡季婕(Jessica)與林小菁(Jenny)擔任基地AI課程講師，讓我們來複習有哪些課程的重點吧！
#若水國際是誰呢
若水是兼顧商業獲利和公益理念的社會企業，秉持「Tech for Good」的理念，透過創新商業模式活化身障人力資產，讓身障者進入BIM建築資訊建模和 AI等雲端科技產業，成為數位經濟工者。
#AI專案無法落地的原因
Jessica首先分享很多企業在導入AI專案時常犯的幾件錯誤，其中包含了：
＞主導者未實際了解AI：這是最致命的要素之一，當一個體制下沒有良好的領導者與協助建置整體企業AI思維的領頭羊，往往會使得導入過程更加窒礙難行。
＞未循序漸進訓練模型：AI的學習就以現在科技來說，無法一步登天，打造讓AI一步一腳印學習的模型才能使AI為己所用。
＞標註原則模糊：AI的應用中有一項很重要的作為是，建立一套標註原則，而非靠直覺為AI定義資料，避免AI的投入有去無回。
＞未以實際場域圖資進行模型訓練：蒐集大量圖像資訊與原始數據相當重要，若只是一昧地為AI投入模擬物件而非真實圖資，會導致AI判別失誤。
在此段落裡，Jessica小結了AI落地的關鍵：洞察數據的特性與loop！
#來取得重要數據與獲得良好資料吧
有了初步的AI落地應用概念後，Jessica開始分享數據在AI應用中有著舉足輕重的地位，如何在數據爆炸的現今，取得Raw Data並轉換成Good Data，成功應用在AI專案中呢？
※Step1：Raw Data的取得，有三大數據項目可以思考。
1.Moving objects(移動中物件)
2.Non-Moving objects(靜滯物件)
3.Environment(環境)
並根據Variety(多樣性)、Complexity(複雜性)的程度蒐集。
※Step2：Good Data則須將上述蒐集進行過濾，包含以下三點。
＞Well Cropped and Visual Flaw
＞Background and Noise
＞Metrics and Quantity
#有了資料後標註原則很重要
在分享開始前，Jessica不斷強調原則的重要性，但AI應用牽涉到許多層面，並非制定一套標準就能打通關，因此根據AI專案的屬性與數據特性，設定處理流程將能事半功倍，像是當AI情境需要高度仰賴人主觀(經驗)判斷時，投票(多人)標註原則的建制就相對重要！
而其中看似簡單的人體識別往往伴隨著醫科等跨領域知識的投入，若水也因此在人體AI應用專案中投入人體拆解等完整訓練，協助工程師與數據標註師穩定產出。
#AI應用的案例分享
接著Jenny為我們分享許多AI應用的實務，像是安全檢測、智慧交通等多項專案，以及其中會使用到的技術，為學員們對於AI應用有了清晰的輪廓！
課程來到了尾聲， 若水 Flow 不僅讓現場學員大讚分享相當精彩，其中【Tech for good】更是感動著每一位現場的學員，課程結束之後，大家更搶著與講師們交流，小編非常開心在這次的講座裡能感受到既理性又溫馨的氛圍！
關於Taiwan Startup Hub 新創基地
Taiwan Startup Hub 新創基地致力於協助「從0到1階段」新創團隊或企業，透過鏈結中央部會、地方縣市政府計畫、民間社群等，將資源整合融入在主題式諮詢、創業活動中，透過多元資源調整新創業者事業體質，引導具備潛力的新創業者申請新創基地、林口新創園、新創事業獎等政府資源，擴大創業者資源接觸面，打造「創業第一站」友善場域。