你想成為具備 AI & Data Science 能力的未來關鍵人才？
⠀⠀
學程從基礎思維、核心技術、產業應用
逐步培養AI資料科家必備技能，
#包含9大關鍵職能
程式語言、資料庫、網路爬蟲、
資料探勘、資料視覺化、機器學習、
影像辨識、深度學習、自然語言處理。
⠀⠀
#給你完整18週的全線上培訓模式
透過12堂線上課程＋9堂直播實作，
帶你從基礎、進階到應用
逐步完成9項專案作品。
搭配技術解題導向的共學社群，
讓你透過學程專屬交流社團，
與超過200位學習夥伴一起成長。
⠀⠀
學習中遇到任何學習問題，
都可以透過課程討論區、講師提問互動與答疑解惑，
每項作業都有個人化回饋，
讓你知道如何改進與優化你所學習。
⠀⠀
#3大主題與4種學習資源培養AI基礎思維
為了培養AI基礎思維，
額外規劃3大主題：
最新趨勢、前瞻技術、產業應用
⠀⠀
搭配4種學習資源：
1｜5堂AI基礎思維線上課、
2｜22篇資料科學專欄文章、
3｜22則資料科學Podcast、
4｜每月資料科學直播講座
全部提供給你，
幫助你更快掌握AI與資料科學的基礎知識。

⠀⠀
#TibaMe以科技助力學習
直播課缺席不用請假，
會提供七天直播影片回放給你複習，
每週寄送進度課表，
讓你可以按部就班進行學習，
所有學習行為都能透過學習數據中心
做到完整進度追蹤與成果回顧。
更貼心支援行動學習App，
把握每個零碎時間，走到哪學到哪 ！
⠀⠀
立即了解完整學程資訊👇
https://bit.ly/3CQBUyu
⠀⠀
#AI資料科學家 #全方位學程班
#超高CP值 #緯育 #TibaMe

#科技快訊

華碩擁有自主研發台灣在地化中文語音引擎，並攜手指標性醫療院所，深化智慧醫療應用，今與秀傳發表護理表單語音辨識系統，可突破地域口音和語法限制，讓醫護人員以口述輕鬆記錄醫療表單，大幅優化流程。

華碩耕耘語音相關應用多年，以AI深度學習精進演算法，健全醫療專業詞彙資料庫，此次結盟秀傳，雙方不僅投入大量資源於醫護語料蒐集、詞彙標註和中、英夾雜語音模型，更專注使用者體驗，不斷於實際應用場域進行反饋修正，以貼近醫護人員需求。目前此語音服務已整合至院內系統，經大量反覆試驗，準確率達九成五以上，未來將陸續在秀傳體系全面使用。

秀傳醫療體系為全台指標性醫院之一，亦為華碩佈局智慧醫療版圖深度合作夥伴。除醫療語音外，亦透過醫療影像判讀和穿戴科技提升對病患健康掌握度，讓診療更精準，進一步實現智慧醫院藍圖。

更多科技報導在 滔科技

#ASUS

華碩擁有自主研發台灣在地化中文語音引擎，並攜手指標性醫療院所，深化智慧醫療應用，今與秀傳發表護理表單語音辨識系統，可突破地域口音和語法限制，讓醫護人員以口述輕鬆記錄醫療表單，大幅優化流程。

華碩耕耘語音相關應用多年，以AI深度學習精進演算法，健全醫療專業詞彙資料庫，此次結盟秀傳，雙方不僅投入大量資源於醫護語料蒐集、詞彙標註和中、英夾雜語音模型，更專注使用者體驗，不斷於實際應用場域進行反饋修正，以貼近醫護人員需求。目前此語音服務已整合至院內系統，經大量反覆試驗，準確率達九成五以上，未來將陸續在秀傳體系全面使用。

秀傳醫療體系為全台指標性醫院之一，亦為華碩佈局智慧醫療版圖深度合作夥伴。除醫療語音外，亦透過醫療影像判讀和穿戴科技提升對病患健康掌握度，讓診療更精準，進一步實現智慧醫院藍圖。

ASUS

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。

其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。

當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。

也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。

雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。

不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。

像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。

Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。

人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！