人工智慧

大學期間也有自學過比較基礎的像是Python、SQL，但是在對相關工作要求有了更多了解後，我明白自己掌握的技能是遠遠不夠勝任這方面工作的。由於本科專業較少涉及資訊相關技能，而自學的缺點也是知識不成體系、從零開始學習到熟練掌握要下一番功夫，因此想要有更系統性的學習。畢業之後，正好在當兵期間了解到TibaMe的AI智慧應用開發實戰養成班有相關的課程，於是就下定決心報名了為期半年的課程。

我在進行程式設計時，若遇到不會的東西第一時間大多是上網尋找答案在影像應用的深度學習這塊也經歷了約一年時間的網路自學，基本的資料前處理、訓練、推論都能自行完成但對於學習一門新的技術領域，只透過關鍵字搜尋到的幾篇教學文章或影片來學習猶如以管窺天，時常感受到缺乏架構性的理解模型對我也猶如許多網路文章形容的 “黑盒子” 一般，難以理解及駕馭一旦訓練完的模型不如預期，往往只能胡亂猜測問題的可能性，缺乏有效率的分析及除錯也因此讓我決定尋找課程，做一次完整架構性的學習。

線上學習，方便自我規劃學習，由TibaMe團隊開發的「AI資料科學家全方位學程班」有這5個推薦之處！

當初會報名緯育 TibaMe的AI資料科學家-三階段全方位學程班【全面應用方案】，就是因為我決心也要執行屬於我自己的一年「超速學習計畫」，我給自己設定一年的目標，精進我的 AI 技能，並且在 AI 競賽有所成就，因為我知道現在不跳出去，之後只會更難跳脫這溫暖的舒適圈。

低成本的AI、機器人技術會完全翻轉新一代或下一個世代的工作性質，但教育與學習的本質要被改變，不然到了2050年，會有將近50%的人類會因為先進技術而找不到工作。教育與學習要著重於「創意」、「問題解決能力」，而非未來會被技術取代的純勞動力。

現在的教育與STEM教育並行，也需要放重心在創意、批判思考、人際關係、社會情緒能力、哲學、企業家精神、藝術、倫理等，必須設計出有品質的基礎學習，讓人學會以「自我實現」為目標，懂得調整自己的進度。

人工智慧的技術、資源、以及基礎建設已經趨近成熟，不論組織的大小，只要策略性的規劃投資與發展方向，人工智慧都能夠為組織帶來龐大的商業價值。 MGI更是於一次2018年的研究中指出，倘若70％的組織採納部分AI技術，而50％的大型組織全面採納AI技術，在2030時，人工智慧 (包括機器學習) 將能夠給全球GDP帶來另外13兆美金的潛能。

根據統計資料庫（Statista）估算，物聯網裝置，如：手機、虛擬助理、電腦、平板、無人機、攝影機、建築物感測器、穿戴式健身感測器…等，這些數量可能在2025年成長到超過700億部，且帶動邊緣運算的應用。
邊緣AI 是指把「人工智慧」與「機器學習」處理，從雲端移至網路邊緣威力強大的伺服器，如：辦公室、5G 基地台，及其他接近連網終端裝置的實體地點。

過去需要許多人力介入的醫療照護工作，例如病人醫生之間的醫療照護行為以及醫院的管理，藉由AI可把他簡化，省下時間也省下了一定比例的成本。

這場講座從微觀的基因密碼診斷應用，延伸到宏觀的手術機器人，以及醫院如何做到最大化的管理效率，並分享全球知名AI醫療產業案例發展狀況，作為未來投入醫療AI產業的借鏡。

以下為分享6月技術者直播小聚的筆記，由黃柏榮院長所主講。院長曾於美國紐約哥倫比亞大學附屬醫院進行外科訓練、並於哈佛大學 Faulkner Hospital, Breast Center, &BWH (Brigham Women Hospital) 醫院醫學影像部進行博士後研究。