實作應用, 技術 AI 如何應用在瑕疵檢測上 瑕疵檢測是許多製造業中關鍵的品質控制環節，傳統的瑕疵檢測方法主要依賴人工檢測或基於規則的方法，這些方法儘管具有一定程度的效果，但仍有不夠精準、效率低下和容易受到環境變化影響等問題。隨著人工智慧技術的發展，特別是機器學習和電腦視覺的進步，瑕疵檢測領域的技術不斷推陳出新，不僅可結合傳統手法提升準確率，還能透過生成式 AI 輔助生成訓練用的瑕疵資料，讓瑕疵檢測更精準、更符合快速更迭的產線週期。
技術, 實作應用 AI 也懂人話？機器學習在 NLP 的基礎概念 「自然語言處理」又稱為 NLP（Natural Language Processing），是近年來十分熱門且挑戰性十足的研究領域，這篇文章將介紹 NLP 的基礎知識，並說明 NLP 在深度學習的理論及解法，帶大家了解在使用自然語言處理時會遇到的困難。
技術, 實作應用 如何建立多人AI開發環境？JupyterHub安裝分享 辦公室有一台GPU server供幾位工程師共用，有不便放上雲端的資料就可以直接放進去跑。深度學習演算法的開發常常需要使用不同環境，因此我們以docker方式提供Tensorflow 2.x, 1.x, Pytorch等幾種不同環境，然後每種環境以不同的port為進入點，都以Jupyterlab為介面。
實作應用, 技術 當資料不平衡時，如何提高影像辨識準確度？（Google Landmark Recognition 2021 Solution） 近年來，google開始利用自身的服務與背後累積的大量資料釋出Google landmarks dataset，並舉辦Landmark Recognition與Landmark Retrieval兩個挑戰賽，希望透過競賽聚集頂尖的挑戰者做出更有效且準確的應用。
技術, 實作應用 有了模型然後呢？從資料模型到數據產品 當你想打造一個「數據產品」時，僅有資料模型的解讀靜態報告是不夠的，一個更貼近使用者應用場景的解決方案是必須的。從資料科學模型到產品之間，還有哪些事情必須要顧慮？
技術, 實作應用, python 爬蟲開發者必學：讓 Python 讀懂「滑動驗證碼」 動態網頁與靜態網頁最大的不同是資料是在什麼時間點取得的，動態網頁是在瀏覽器已經取得 HTML 後，才透過 JavaScript 在需要時動態地取得資料。因此，爬蟲程式也必須要考慮動態取得資料這件事情，才有辦法正確地找到想要的資料。「滑動驗證碼（Slider Captcha）」是驗證碼機制當中常見的典型，也是防範爬蟲程式中一種難纏的對手。這一篇文章將會利用 Python 、opencv 與 Selenium 三個工具，示範如何拆解和模擬滑動驗證碼。
技術, 實作應用, python 從Python到爬蟲，給新手學習地圖與策略 資料爬蟲是資料分析的起手式，必須有好的、可用的資料才得以進行高品質的資料科學專案。而過去的資料來源多半來自於公司內部的資料庫或資料倉儲系統，仰賴於工程師跟 IT 部門的支援。但隨著 Big Data 的技術到位，實務上對於資料的要求更加大量也更加多元。因此，利用程式與資料爬蟲收集資料是目前資料來源的一個重要的管道。
