論文快讀, 技術 Transformer會是最強的視覺辨識模型？要不要試試新設計的CNN模型 CNN是近年來圖像分類任務中大家的優先選項之一。從2012年的AlexNet開始至今，許多學者相繼針對CNN based模型進行改進。近年來除了大家耳熟能詳的ConvNet based模型外，包括GoogleNet、ResNet等，也開始引進在NLP任務中大獲成功的Transformer架構，如：Swin Transformer。
論文快讀, 技術 想提升點擊次數或瀏覽時數? 騰訊用PLE模型精準推播 推薦系統在生活中無所不在，可以被應用在社群媒體推播、網頁搜尋內容呈現、電商商品推薦等。這樣的系統可以提升用戶的黏著度，更可以為企業帶來收益，對於追求實效的業界來說，在推薦系統上的研發與創新層出不窮。
技術, 實作解析 電腦是怎麼辨識物體的呢？當紅的YOLO又是什麼？ 隨著人工智慧技術的進步，生活的周圍已經逐漸可以看到許多人工智慧的應用，例如圖片描繪、判斷畫面中的人是否跌倒？或是否做出不符公司規定的行為？那麼，人工智慧又是如何幫助我們辨識影像的呢？談到這裡，你一定要知道「物件偵測」這個影像領域中常見的技術。
技術, 論文快讀 預測股價可以更準嗎？Google提出TFT新解法 本次為大家介紹的是Google團隊提出的Temporal Fusion Transformers(TFT)，能透過過去數值的變化趨勢來預測未來，在統計與機器學習領域中，這類的問題被稱為「時間序列分析」。
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。
技術解析, 技術 資料很多，卻不會用？基礎資料處理與分析 在「基礎資料處理與分析」這場活動中，人工智慧科技基金會講師粘美玟（Kelly）透過之前AI在教育領域應用的相關經驗，分享如果現在手上有些資料，想做數據分析或是專案執行，常見的棘手問題及解決方法。
技術解析, 技術 電腦如何看懂一張圖？CNN 基礎與概念 卷積神經網路 (CNN) 是深度學習裡極為重要的一種網路架構，在電腦視覺上的優秀表現促使深度學習的蓬勃發展，CNN 還有許多更實際的應用，如物件偵測、影像切割、動作識別等。透過影片，將帶大家瞭解 CNN 的演算法與基礎模型架構，掌握知識的深度與拓展應用的廣度。
