PinnedJohnson HsiehinTaiwan AI Academy從 1 到 Ｎ，AI 亮點規模化的成功關鍵隨著 AI 產生的成果在企業中得到認可，企業需要解決兩大痛點： AI 模型的建置速度跟不上需求、AI 落地後的營運問題浮上檯面。如何有效率地遍地開花，是企業的首要任務。Jul 20, 2021Jul 20, 2021
Johnson HsiehinChimes AI面對AutoML：企業應自建還是採購？隨著物聯網設備的興起自動化機器學習（AutoML）需求隨之成長，使得企業可擁有快速且高效轉化這些數據資產的強大工具。然而，當前企業領袖面臨自主開發AutoML解決方案，還是選擇市場上現成的產品時，需謹慎權衡各種因素。Mar 27Mar 27
Johnson Hsieh以 No-Code AI 預測颱風引起的停電風險準確度達 72%颱風可能對電力系統產生災難性的影響。它們可能導致配電網路用戶出現大量的停電情況，譬如近日侵襲台灣的卡努颱風造成全台 44,923 戶停電。有鑑於此，本文建立了一個人工智慧模型，用於預測颱風災害下的停電風險，準確度達 72%，使電力公司能夠為停電做好準備並更快地進行修復。Aug 4, 2023Aug 4, 2023
Johnson Hsieh資料人兩三事 from Project to Product回頭讀了自己在第一次完成家暴分析後寫的文章，這幾年的洗鍊，心境其實起了幾次轉變。簡而言之，就是 Project to Product。Jul 15, 2021Jul 15, 2021
Johnson HsiehinTaiwan AI Academy從 0 到 1，企業導入 AI 的成功關鍵《2021 台灣企業 AI 趨勢報告》指出台灣仍有 75% 的企業處於開始導入 AI，尚未體現商業價值階段。筆者長期協助企業進行資料治理與產業 AI 化的導入工作，就近觀察諸多企業的策略與具體執行狀況，歸納出三點從 0 到 1 的成功關鍵。Jul 8, 2021Jul 8, 2021
