| 封面故事 | Log4j | Log4Shell | 10年來最嚴重漏洞 | 超級資安漏洞 | Log4Shell漏洞處理 | Log4Shell修補

與時間賽跑！Log4Shell修補迫在眉睫

由於Log4Shell漏洞可能存在各種系統與設備之中，必須盡快進行相關的盤點、修補，以及持續偵測與阻擋濫用此項資安弱點的行為

2022-01-10

| 封面故事 | AI | YOLOv4 | 王建堯 | 中研院資訊所 | 廖弘源 | YOLOR | 物件偵測 | 科技部AI計畫 | 義隆電子 | AIoT | 邊緣即時偵測

YOLOv4輕快準！邊緣即時偵測應用就靠它

YOLOv4一如其名You Only Look Once，只要看一眼，就能分辨萬物，比人眼還銳利，已經在許多應用場景中開始發威

2021-12-13

| 封面故事 | AI | YOLOv4 | 王建堯 | 中研院資訊所 | 廖弘源 | YOLOR | 物件偵測 | 科技部AI計畫 | 義隆電子 | AIoT | 邊緣即時偵測

【冠軍模型幕後推手：中研院資訊所博士後研究員王建堯】靠軟硬整合實力拿下兩次世界第一

有求學時期累積的軟硬整合能力，以及背後一位堅持只研發好東西的老師，王建堯終於站上AI國際舞臺。伯樂與千里馬共行，下一步要繼續為國爭光

2021-12-13

| 封面故事 | AI | YOLOv4 | 王建堯 | 中研院資訊所 | 廖弘源 | YOLOR | 物件偵測 | AIoT | 邊緣即時偵測 | Transformer

【冠軍模型接班人，整合顯隱性知識架構】不只物件偵測快又準，YOLOR能一心多用秒解多任務

中研院另一新作YOLOR今年5月問世，再次拿下COCO排行榜冠軍，展現臺灣AI實力。特別的是，它不再只是物件偵測，而是各種CV任務都通吃

2021-12-13

| 封面故事 | AI | YOLOv4 | 王建堯 | 中研院資訊所 | 廖弘源 | YOLOR | 物件偵測 | 科技部AI計畫 | 義隆電子 | AIoT | 邊緣即時偵測

【冠軍模型催生關鍵：業界出題學界解題模式】一場會議催生世界第一物件偵測模型YOLOv4，一張GPU就跑得動

義隆電子與中研院團隊因科技部產學共創AI計畫而相識，進而催生出世界第一的電腦視覺模型YOLOv4，更將過去科技巨頭上千張GPU才玩得起的物件偵測模型，簡化為1臺PC和1張GPU就行

2021-12-13

| 自駕車 | 自駕運輸 | 新竹物流 | 工研院機械所 | 自駕物流 | 李正義 | 封面故事

【機車、行人和複雜紅綠燈都不怕，新竹物流跨區配送新模式】臺灣第一輛自駕貨車上路

歷經了3年多，臺灣自駕車產業應用，從一開始接駁自駕載客，現在更進一步跨入物流自駕配送，來提供跨區、長途的自駕運輸服務

2021-11-29

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | K8s | ML

【Line AI生產力關鍵3：新一代使用者特徵自動預測系統】導入GPU和K8s叢集，靠ML大規模自動預測使用者特徵資料

未來光是日本用戶規模將達到3億人，如何讓使用者人格系統的屬性預測能力更強，Line去年夏天導入了GPU和K8s叢集，重新改造了這套系統

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | MLOps | Lupus

【Line AI生產力關鍵2：ML品質監控自動化】自建MLOps監控平臺，上百項ML產品模型漂移能即時調校

Line高度仰賴AI，光是內部就有100多個ML模型上線，橫跨20多個單位。為快速統一掌握模型動態，Line自建一套MLOps監測工具Lupus，來收集模型指標、偵測異常

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | HyperCLOVA | 語言模型 | 語料庫

【Line AI生產力關鍵1：通用NLP模型】以HyperCLOVA發展企業NLP服務，下一步搶攻通用AI

Line揭露一款820億個參數的大型語言模型HyperCLOVA，並以此為核心引擎發展一系列企業AI工具，接下來還要結合電腦視覺，打造更通用的AI產品

2021-11-22

| NLP | 生態圈 | HyperCLOVA | 朴懿彬 | 機器學習 | AI | MLOps | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | 日本Yahoo | 整併 | 封面故事 | Lupus | AI生產力

因應整併後3億日本用戶規模新考驗，Line從3大技術關鍵來強化AI生產力

今年3月，日本Line和日本Yahoo整併後，光是日本用戶規模就達到3億人，作為未來主要用戶服務核心的Line，如何因應用戶數暴增挑戰，繼續邁向AI公司轉型之路？關鍵是這3件事

2021-11-22

| 封面故事 | 中國信託 | 數位轉型 | 客戶體驗 | 研發 | 創新 | Edge | End-to-end digitization | 客戶旅程重設計 | 服務設計科學

服務科學正在改變金融體驗

藉助用來改善客戶體驗流程的科學化方法，讓中國信託發現了他們原本沒有意識到的老問題

2021-11-16

| Edge | End-to-end digitization | 客戶旅程重設計 | 中國信託 | 技術長 | 賈景光 | 封面故事 | 數位轉型 | 客戶體驗 | 研發 | 創新 | 顧客滿意度 | 跨單位協作 | PMO | CoE | Center of Excellence

【中信服務力進化組織設計】組成EdgE混編聯合團隊，靠業務單位帶頭發揮全員數位戰力

中國信託打破了既有組織運作方式，在每個EdgE旅程組成跨單位混編聯合團隊，由業務單位主管帶頭，搭配數金成員、IT、法遵，及來自不同業務單位的流程擁有者，在組織內大力推動EdgE全旅程優化，目的是發揮全員數位戰力

2021-11-16