疫情

當第三波的AI革命於前幾年風起雲湧而至，我深深體驗一窩蜂投入在演算法的領域學習上的工程師，空有一套方法論演算法深入的經驗之後，卻在應用需求上形成一個非常強大的間隙，那就是實務需求如何被轉換成可行的應用系統，逆向來說，當我擁有AI建模的能力之後，應用系統那一個大架構如何被框進來。

本以為台灣算是守住這波新冠疫情，卻在2021年初又有淪陷的跡象。面對新冠病毒的強勢來襲，對於實體課程可說是一大考驗！以往緯育TibaMe就業養成班都以全實體課程為主，卻也因為這紛擾了一年的疫情，而有了相關的配套措施。

新冠肺炎 (COVID-19) 後疫情時代的延伸，如何在保持安全距離的條件下縮短溝通距離？又能獲得精確的資訊？零接觸智能醫療成為醫療領域聯合資通訊業者、數據分析業者共同合作衍生之標的，用以提升精準醫療為導向，兼顧醫療品質與提升辨識準度為目標。

尹相志老師表示，人臉識別技術也有著「見山是山、見山不是山、見山又是山」的三個階段。最早期，多數是將人臉識別當作是圖像分類的問題，但是深度學習的圖像分類必須事先設定輸出的類別數，只要類別數量有異動模型就必須重新訓練，這鐵定不符合人們對人臉識別的期待。所以後來基於相似性度量學習 (metric learning) 將學習的目標從分辨是誰的標籤改為如何讓同一個人的不同臉照能夠測得較高的相似度，而不同人的臉照卻能獲得較低的相似度，像是孿生網路、三元組損失 (triplet loss) 就是基於這個思路，但是這種方法收斂速度極其緩慢，且無法做到更龐大的人群基數。

疫情擴散至今，看不出有止歇的跡象，人類社會所建構的既有發展路徑，軌道已經完全被顛覆，世界運轉停機，加上由美國川普政府帶頭開啟的中美貿易、科技全面的大戰，為了選舉操作，接踵而至的軍事對峙也箭在弦上，兩強對撞帶動全球產業地動山搖，讓每個企業陷入了前所未有的危機中，骨牌效應正在發酵，台灣的產業身處這條骨牌長龍中，有前端，也有後端，裁員、無薪假已開始蔓延，未來何去何從？產業該如何徹頭徹尾的進行改造，才能在時代巨變下挺立而不墜？

雖然新冠疫情逐漸遠離，看似要恢復常態，但又有第二波侵襲的可能，台灣已經在進行物資籌備，而在職場奮鬥的我們，也要做好管理！聽聽楊老師與你分享，在後疫情時代，能如何面對工作與生活～

疫情改變全球人們的工作型態，多數企業採取「遠距工作」，如Google、Facebook、微軟、亞馬遜等公司都宣布彈性配合員工需求實施「居家上班」，從過去聚集的辦公室文化，往分散的遠距工作模式而邁進。其實「遠距工作」是近年來時常被討論的議題，它一直都是未來世界的趨勢，只是這場疫情加速實踐而已。

從會議技巧、溝通心法、至工具使用，跨國新創管理者和你分享遠距工作必須知道的管理技巧！
新冠肺炎疫情爆發，意外讓遠距工作的討論度升溫，然而真正困難的並不是 「遠距工作 」本身，而是距離拉遠後，使得原本的管理問題擴大，特別是溝通。以下分享我在 2017~2019 年建立與管理遠距工作團隊遇到的問題。