| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | K8s | ML

【Line AI生產力關鍵3:新一代使用者特徵自動預測系統】導入GPU和K8s叢集,靠ML大規模自動預測使用者特徵資料

未來光是日本用戶規模將達到3億人,如何讓使用者人格系統的屬性預測能力更強,Line去年夏天導入了GPU和K8s叢集,重新改造了這套系統

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | MLOps | Lupus

【Line AI生產力關鍵2:ML品質監控自動化】自建MLOps監控平臺,上百項ML產品模型漂移能即時調校

Line高度仰賴AI,光是內部就有100多個ML模型上線,橫跨20多個單位。為快速統一掌握模型動態,Line自建一套MLOps監測工具Lupus,來收集模型指標、偵測異常

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | HyperCLOVA | 語言模型 | 語料庫

【Line AI生產力關鍵1:通用NLP模型】以HyperCLOVA發展企業NLP服務,下一步搶攻通用AI

Line揭露一款820億個參數的大型語言模型HyperCLOVA,並以此為核心引擎發展一系列企業AI工具,接下來還要結合電腦視覺,打造更通用的AI產品

2021-11-22

| NLP | 生態圈 | HyperCLOVA | 朴懿彬 | 機器學習 | AI | MLOps | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | 日本Yahoo | 整併 | 封面故事 | Lupus | AI生產力

因應整併後3億日本用戶規模新考驗,Line從3大技術關鍵來強化AI生產力

今年3月,日本Line和日本Yahoo整併後,光是日本用戶規模就達到3億人,作為未來主要用戶服務核心的Line,如何因應用戶數暴增挑戰,繼續邁向AI公司轉型之路?關鍵是這3件事

2021-11-22

| 香港國安法 | 外國人才政策 | IT人才趨勢 | 雲端人才培訓 | 黑客松 | 愛立信 | 日本Yahoo | 中國螞蟻區塊鏈 | Google IT證書

IT人才雙周報第3期:104指出,疫情後臺灣IT徵才量略減少,但軟體設計工程師仍然大缺兩萬多人

104統計,臺灣IT職缺數量在疫情後略微下降;反觀美國,根據美國計算機行業協會(CompTIA)的統計,疫情期間IT職缺數的成長同樣趨緩,但在今年6月急遽回升,增加超過20萬職缺數

2020-07-17

| 日本Yahoo | Z控股 | Line | 合併 | AI

日本Yahoo明年正式與Line合併,目標:打造世界級的AI公司

日本Yahoo和Line未來將併入新的Z控股公司旗下,兩家公司業務上的整併,結合背後股東的資源合作,可望創造一個融合網路與行動平臺的全新科技公司。

2019-11-18

| 日本Yahoo | AI

日本Yahoo策略長揭露,AI未來20年三大方向

人工智慧將分3階段發展,日本策略長安宅和人表示,現今人工智慧發展仍處萌芽階段,政府和企業應為下階段發展布局,強化人工智慧實際應用。

2018-10-26

| 日本Yahoo | HTML 5 | 遊戲

不甘手遊市場被App市集吃光,日本Yahoo以HTML 5打造行動遊戲平台突圍

為打破手機遊戲市場被蘋果、Google兩大App市集主導的局面,日本Yahoo以HTML 5打造行動遊戲平台Game Plus,強調基於網路標準的遊戲平台,較App Store、Google Play更高的自由度,向遊戲開發商招手。

2017-07-19