技術, 論文快讀 圖片「全域特徵」與「局部特徵」我都想要！有效整合的方法介紹 本文旨在尋找一種方法，能有效地結合局部與全域特徵，提供模型更全面的資訊。為此，我們將介紹一種專門設計來整合這兩種特徵的新型 CNN 模型，稱為 Global Local Mixture Network（GLMNet）。
論文快讀, 技術 Mini DALL·E3：透過對話繪製圖片 DALL·E3 是 OpenAI 在2023年10月發布的圖像生成模型，不過，使用者僅能利用咒語與參數調整，才能繪製出滿意的圖片，在使用的自由度上大幅受限。為此，有研究者提出名為 Mini DALL·E3 的模型，近一步說明這一類利用自然語言處理跟圖像生成模型的架構，讓使用者後續能更有效的應用並生成出貼近想法的圖片
實作解析, 技術 當 MLOps 落實在產業中：如何解決 ML 在企業的挑戰 一個AI專案包含了資料處理、模型開發、驗證到部署上線等階段，形成了一個週期性的工作流程，當中所要考量的因素非常多，包括成員人數、資源分配、模型維護等，面對這些挑戰，有沒有哪些工具可以協助企業，在發展 AI 專案時，能更有效率的控制流程？
MLOps, 技術解析, 技術 由開發團隊的需求出發，從無到有設計一個實用的 MLOps 系統 Machine Learning Operations（MLOps）是持續性機器學習模型管理與部署的實踐，可以幫助機器學習模型開發團隊有效地執行模型的實驗、管理、部署等任務。任務細節多半依據團隊的實際需求客製化各種功能，並利用網路上各種不同專攻功能的套件，整合成一個 MLOps 系統。本文將從開發團隊的需求出發，依序先介紹 MLOps 系統的基本功能需求，並據此挑選套件，最後利用這些套件搭建一個實用 MLOps 系統。幫助讀者快速暸解一個實用的 MLOps 系統的設計過程。
MLOps, 技術解析, 技術 AI 專案開發一定要用 MLOps 嗎？從專案流程看起 MLOps是近來極為熱門的單字，在許多討論專案的文章或是論壇中都可以聽到，不過，實際上對於專案的幫助是什麼呢？這篇文章希望透過宏觀的角度來介紹MLOps，以及不管是完全沒接觸過AI、或是正開始學習AI的學生，甚至是熟稔AI技術但正在觀望是否要導入MLOps的工程師或主管們，都希望能透過這篇文章來讓你能更了解它。
MLOps, 實作解析, 技術 MLOps 工具介紹（一）：常見的三種模型實驗管理工具 在AI專案的模型驗證階段，有許多工具可以協助團隊進行模型管理，主要目的都是在幫助團隊管理多專案與多實驗的狀況，可以輔助開發過程較為順利，所有的實驗數據都會被紀錄與備份，可以減少實驗數據遺失的風險。這些工具各有特色與強項，這篇將提供讀者幾個熱門工具建議：
實作解析, 技術 神奇畫筆的養成：解密 AI 生成圖片的原理與應用 生成式 AI 可說是今年最為熱門的關鍵字，除了圖片，還可以生成出聲音、文字等成果，也可以看到越來越多的 AI 生成工具出現，例如 Midjourney、Stable Diffusion 就是十分受歡迎的繪圖工具。透過本篇技術原理的說明，你將知道如何有效利用這些工具快速產出想要的圖片。
MLOps, 實作解析, 技術 手把手部署HPE Machine Learning Development Environment 市面上專攻模型實驗平台的套件有非常多，之前曾介紹了如何上傳模型實驗任務，以及快速部署 MLDE 在單一電腦上。本文透過介紹MLDE的系統架構、事前準備、使用 CLI 部署及移除節點，讓讀者可以快速部署客製化的模型實驗平台在 Docker 環境中。
實作解析, 技術 AI如何辨認螢幕前的人是不是真人？活體辨識技術的發展與挑戰 拜網際網路被發明、電子元件以及行動裝置的革新所賜，數位化已改變生活中的一切，過去需要親臨現場才能辦理的業務，如今大多能在線上完成。在看不到真人的情況下，尤其近幾年身份偽冒詐欺事件頻傳，如何確認遠端連線對象的身分成了企業的一大難題。目前在身份識別上多以生物辨識來實現，其中的關鍵之一就是活體辨識。
