深度學習

人工智慧低程式碼工具hAIsten AI，能夠降低訓練模型和部署，加速企業人工智慧應用程式開發

Amazon SageMaker新功能Training Compiler，能夠編譯Python程式碼，經最佳化後的核心能夠高效使用硬體資源，使得模型訓練速度獲大幅提升

在今年線上臺灣人工智慧年會上，Google Brain團隊核心成員，也是一手設計和打造Google TPU的主要設計者Cliff Young，不只親自揭露Google決定自行開發TPU的過程，針對深度學習革命對於未來AI發展影響，也提出他的最新觀察。

若對於卷積神經網路中卷積、填補、池化等觀念感到難以理解，我們可以試著從圖像處理的卷積運算這類可解釋模型當中來理解，從而認識到卷積神經網路，其實就是從資料生成濾鏡的事實

PyTorch是支援深度學習的框架，為了不迷失在API之中，可藉由NumPy實現簡單的學習模型，逐步轉換至PyTorch，認識相關元件的方便，瞭解支援的流程典範

Google新開發的深度學習系統，能夠精確地區分正常與異常的胸腔X光影像，可用來加速臨床工作流程，或是提高其他機器學習模型效能

中華電信揭露物件偵測模型輕量化3大作法，首先模型骨幹直接採用新結構（如EfficientNet-Lite），模型頸部和頭部則以近似運算來減少參數量，比如用差值讓長寬一致、用一層卷積讓Channel數一致，並用深度可分離卷積來重組頭部，同時輕量化損失函數，來避免沒辦法收斂的結果。

新光銀行在近期揭露自家AI與大數據策略，以及3年下來，一路走過的甘苦談，還有AI應用的場景與現階段成果；甚至，透露下一階段的兩大目標，一是量產AI模型，二是往即時資訊流邁進，讓顧客跟銀行前臺互動的過程中，後方的AI模型就能收到即時的互動資訊，進而塑造更多AI即時應用場景。