2019 下半年回顧:Google Cloud Dataflow SQL 釋出、Apigee hybrid 正式 GA

Google Cloud Next‘19 UK 剛於年底落幕,本篇文章將讓您快速瀏覽 Google Cloud 近期推出的重大功能及亮點。

搬遷、管理、現代化基礎架構

基礎架構是您的 IT 環境以及 Google Cloud 的基礎。先前 Google 推出了最新的通用型和負載優化型虛擬機系列,這意味著您可以搬遷和執行更多的應用程式,包括 3A 級遊戲、HPC 甚至是 SAP HANA。最近 Google 發布了許多功能能夠幫助您更快、更高效地使用它強固的網路基礎架構。 繼續閱讀 “2019 下半年回顧:Google Cloud Dataflow SQL 釋出、Apigee hybrid 正式 GA”

想導入 AI 卻不知如何著手?Google 打造適用於各產業的 AI 解決方案

許多企業看到了 AI 和機器學習在商業上應用的價值,但卻不知道從何開始實踐。如果您的企業目前沒有數據分析的團隊,或是團隊正忙於其他任務,那企業更需快速、簡單的方式導入 AI。

Google Cloud 希望 AI 能讓更多企業使用,所以 2018 年我們推出了 Cloud AutoML,幫助難以獨力完成機器學習的企業做出更高品質的客製化機器學習模型。同時 Google Cloud 也推出了擁有強大預測分析能力的 BigQuery ML,能夠觸及數百萬用戶,其中包含非數據分析背景的使用者。 繼續閱讀 “想導入 AI 卻不知如何著手?Google 打造適用於各產業的 AI 解決方案”

高成本獲客時代,金融業如何透過 AI 與大數據找出路?

瞄準年輕族群商機,銀行業者今年紛紛打起消金補貼戰;除了有感的現金回饋以外,銀行也推出數位帳戶連結、網購外送優惠等方案搶食年輕小資族這塊大餅。消金一直都是金控的主戰場,今年起不僅數位銀行、純網銀加入競爭,連過去以企金為主的公股銀行也加入戰局搶發卡。

消金補貼戰,銀行搶獲客

補貼戰背後,如何「獲客」仍是消金業者最大的難處。這是一個供需問題;銀行不斷搶進之下,銀行的獲客成本自然持續上升,因此如何有效維持成本、提升營利空間變得非常重要。網路資訊和社群媒體興起成為影響決策的關鍵點;年輕人在辦卡前總是會上各大論壇爬文比較、參考各類財經部落客和網友的評價才下決定。這樣的行為改變,使商品的主導權由企業轉移到了消費者身上;意即,企業要賣什麼、推什麼樣的服務,是由「消費者喜歡什麼」決定。 繼續閱讀 “高成本獲客時代,金融業如何透過 AI 與大數據找出路?”

[懶人包] 常見監督式機器學習演算法 – 機器學習兩大學習方法 (二)

前篇文章所述,監督式學習的演算法就是要學習得出一個方程式 y = f(x) 以表達資料集的分布狀況,讓我們之後匯入新的資料 (x) 就能做出相應的預測 (y)。這種方法通常也被稱作「預測模型」或「預測性分析」,而預測模型或預測分析的目標,就是盡可能地提高預測與實際結果的精準度(關於精準度的判斷,我們會在下期說明)。

本文針對機器學習新手簡述資料科學家經常使用的幾個演算法的基本概念,並比較其中幾項差異與優缺點。

迴歸的演算法

線性迴歸 Linear Regression、多項式迴歸 Polynomial Regression

迴歸在統計中相當常見。回顧先前文章與上述方程式 y=iwixi+b,迴歸的演算法,即藉由尋找每個 x 的權重 w 與 b 去寫出預測的方程式。若以直線去趨近資料,則稱為線性迴歸 (Linear Regression);若是以曲線趨近資料,則為多項式迴歸 (Polynomial Regression)。另外,也有以分類器為趨型的迴歸樹(以決策樹為雛形)、SVR(Support Vector Regression,以 SVM 為雛形),能夠處理非線性的資料。 繼續閱讀 “[懶人包] 常見監督式機器學習演算法 – 機器學習兩大學習方法 (二)”

監督式學習:「分類」和「迴歸」的介紹與比較 – 機器學習兩大學習方法 (一)

之前的文章簡介了 AI、機器學習與深度學習。接下來我們會以生活化的情境說明傳統機器學習的方法。本篇首先介紹傳統機器學習中的「監督式學習」。

回顧之前文章提到的監督式與非監督式學習,兩者最大的差異在於資料是否預先被標註;如果有,則可說這個題目屬於監督式學習。演算法會由標註好的訓練資料學習並建構模型,以確定該給測試資料哪種標記。如 GCP 專門家開發的柴犬秋田辨識器,就是藉由已標記的資料去訓練模型。

監督式學習:迴歸 vs 分類

監督式學習最常處理的兩個問題:迴歸、分類。當你預測的目標為連續的數值,我們稱其為迴歸;若目標為離散的,稱其為分類。 繼續閱讀 “監督式學習:「分類」和「迴歸」的介紹與比較 – 機器學習兩大學習方法 (一)”