| 雲端服務 | AWS | re:Invent | Graviton | Inferentia | Trainium | 自研晶片 | Outposts | SageMaker | ML | 機器學習

硬體自主是公有雲擴張不可忽視的助力

這幾年以來,隨著AWS推出VMware Cloud on AWS,以及日益增多的Arm架構執行個體服務,甚至是今年初出現的高效能儲存Volume搭配,他們正一步步展露自己設計多款晶片的用意

2021-12-20

| GTC技術大會 | 機器學習 | Nvidia | 黃仁勳 | 虛擬分身 | Omniverse | AI引擎Riva | edge AI | UCF統一運算框架

【總覽Nvidia 2022新戰略】以多AI技術實現高擬真的3D虛擬分身,更布局邊緣AI三大關鍵

在秋季GTC技術大會上,Nvidia展示多AI技術應用與更聰明虛擬分身,還推出新ML框架,來因應超大語言模型訓練,還要加速物理模型的建立

2021-12-06

| SageMaker Studio Lab | AWS | 機器學習 | ML

Amazon發表SageMaker Studio Lab,免AWS帳號就能免費實驗與學習ML

針對想接觸機器學習的開發者、學術人員或資料科學家,Amazon提供精簡版SageMaker,透過電子郵件帳號就能申請免費註冊

2021-12-02

| Google Cloud | Vertex AI NAS | ML | 機器學習 | 高通 | Snapdragon 8

Google Cloud公布高精確性、低延遲ML服務Vertex AI NAS,已整合高通Snapdragon 8

Vertex AI NAS源自Google Brain開發的神經架構搜尋技術,強調能以更高精確度、低延遲性及更低耗能,來執行複雜的ML任務

2021-12-01

| Databricks | 資料 | AI | 機器學習

Databricks推出Partner Connect供平臺用戶連接第三方資料和工具

Partner Connect讓Databricks湖邊小屋用戶,可以方便使用第三方資料和人工智慧工具,目前已支援Fivetran、微軟Power BI和Tableau等服務

2021-11-23

| Everyday Robot | Alphabet | 機器人 | AI | 機器學習 | 強化學習 | 協同學習

Alphabet的Everyday Robot開始在自家辦公室執行打掃任務

透過強化學習、協同學習的機器學習演算法,Alphabet X實驗室強調其通用型學習機器人Everyday Robot執行特定任務能力更成熟,能拿抹布擦桌子、開門、將椅子歸位

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

| 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

| 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

| 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

| Nvidia | AI | 物理模擬 | 機器學習

Nvidia推出AI物理模擬框架Modulus

Modulus能夠被用於需要高精準度的物理模擬,包括氣象科學或是蛋白質工程,結合人工智慧系統和物理定律來進行建模

2021-11-16

| AWS | Nvidia | GPU | 機器學習 | 張量核心

AWS發布搭載A10G GPU的EC2執行個體G5,機器學習效能是前一代3倍以上

AWS G5執行個體採用Nvidia A10G張量核心GPU,機器學習訓練和推理效能都是前一代的3倍以上

2021-11-15