電信業者- 是方
電信業者分類： 第一類電信業者：自己建基地台、拉網路線 Ex: 中華電信、台哥大、遠傳 第二類電信業者：向第一類電信業者承租網路 Ex: 是方、YouTube
發表文章
AI 模型訓練- 訓練+驗證
1》Algorithm演算法由AI模型透過資料 自己找出 2〉降低特徵項目（ 維度） Train+Test = 訓練+測試 1》選定［特徵］欄位 2>建立訓練資料(*.cvs), 3》產生AI model 4》建立測試資料（TEST) 5〉將測試資料送入AI model驗證 AI模型訓練，如何選出正確的演算法和資料特 徵？ 文/ 若水Flow AI Blog 編輯團隊 【若水導讀】選擇AI數據與算法，三個提醒： 1. 選擇特徵，看見數據裡的「見樹不見林」 2. 掌握4個考量，選擇適合的AI算法 3. 建立企業的AI工具箱（Tool Box） 《2021 AI數據處理實戰攻略》系列文，若水邀請到前趨勢科技(Trend Micro)資深技術經理張佳彥，分享多年來每天管理人工智能團隊、AI項目的落地實戰經驗。 AI業界，流傳著一句話︰「 AI的數據和特徵 ，決定了機器學習(Machine Learning) 的上限。而AI模型和算法，只是逼近這個上限而已」， 可見 AI數據的特徵，對機器學習有相當大的影響 。 AI人工智慧的開始，該怎麼選AI數據特徵和算法？ 有了數據和模型，AI人工智能要學什麼特徵？ 在討論怎麼選擇特徵之前，可能有人會想，既然找特徵這麼費工，為什麼不全部採用深度學習(Deep Learning) 就好了？ 深度學習(Deep Learning) 讓AI自行透過數據去學習和預測，不用選特徵，乍看之下好像比較輕鬆。 但其實，深度學習並不好訓練，再加上有太多複雜因素需要考慮 ，所以除非你的商業問題，已經被證實比較適合用深度學習來解決，否則不建議一開始就從深度學習入手。 過往在找AI數據特徵時，工程師通常會先從專家經驗（Expert Rule）著手 ，用人類的知識為該領域的數據抓出特徵 。 只不過專家經驗並非萬能，侷限在於，人類的認知可能過於主觀「見樹不見林」，或是 選出的特徵覆蓋率低，有時候100筆AI數據裡面，專家所抓出的特徵，可能只命中其中一筆而已 。 此時，如果能綜觀來看數據，從中取出一些具代表性的特徵，有助於改善特徵不夠精確的情況。 要取出代表性的特徵，可以用統計學的方式，也可以用深度學習的方式來解。 因為統計學本身就是一種從大數據(Big Data) 中抽樣，取出可以代表整體特徵的一種概念...