AI 浪潮脈絡起始於2015-16 開始，2017-18 開始有人大量的去學
4-5年過後，現在市場上的人才仍供不應求，甚至有點良莠不齊
也有很多企業急病亂投醫，花很多預算但沒有找到好的AI人才，最後什麼也沒做出來
這樣的挑戰實際上該怎麼解決？
觀察並總結產業專家的建議，會發現
絕對不是直接招募一個 AI 團隊，也不是把公司研發人員送去上AI課程
而是要透過以下四步驟：
- 觀察成功案例，避免錯誤期待。看國內外哪些企業應用確定可行且有效的，先選定一個可行的方向，例如：智慧零售、智慧生產線等。憑空想像很容易對AI有錯誤期待
- 評估是否適合，問題定義清楚。
- 自己企業內現階段數據成熟度到哪裡？例如：你的企業現在面臨到的問題是已經有很多數據但沒有一個腦袋來做判斷？還是基本的接收數據、儲存數據、系統性整理數據都還沒具備？
- 企業導入AI是為了解決什麼樣的商業問題？ 是管理面或成本面？
- 目前困境適合用什麼技術解決？
- 唯有先定義好問題，才能知道是否適合用AI來解決這問題
- 了解技術細節，建立正確認知
- AI就像第二次工業革命的電力，分散在生活周遭裡，應用可能性很廣泛，不學會被淘汰
- 了解技術細節不代表一定要去學Python或深度學習，而是要能清楚分辨AI可解決的問題有哪些
- 找到好的工具，不一定都要自己做，也不一定要花大錢才會有效。不一定要重頭到尾建立自己的AI團隊
認識連續兩年獲評 Gartner 資料科學與ML平台的領導者Dataiku
4/26(二) 下午2點-3點半
我們將與 Dataiku 共同分享如何讓跨專業的數據協作成為新的可能
Dataiku 是市場上，很強調「企業級協作式」的資料科學平台
連續兩年獲評 Gartner 資料科學與ML平台的領導品牌
在單一平台上，可同時滿足 No-code, Low-code 到 Full-code 的人才
讓不同專長的人可以貢獻其專才，創造 1+1 >2 的協作效果
也讓 AI 輔助決策成為每個職能角色的日常
當天線上分享，我們會帶你：
認識 Dataiku 與其核心優勢
實際示範 Dataiku Data Science Studio 的使用
辨別現階段 AI 專案營運流程瓶頸
- 知道亞太區企業如何運用 Dataiku 取得商業成果
誰適合參與？
適合追求 AI 專案營運效率的企業參與
工作職責跟數據運用密切相關，需要更快交出成效的數據工作者
- 有意願借力新工具突破數據營運瓶頸的管理者
