狠狠撸

狠狠撸Share a Scribd company logo
MLaaS 產業介紹
Machine Learning as a Service
sj@toright.com
http://blog.toright.com
AI / ML SaaS 市場規模
● AI software and platforms will reach $97.9 billion in 2023.
● The compound annual growth rate (CAGR) for the 2018-2023 forecast period
will be 28.4%.
○ 資料來源 https://www.idc.com/getdoc.jsp?containerId=prUS45481219
MLaaS market is expected to post a CAGR of over 38%
The global machine
learning-as-a-service
(MLaaS) market is expected
to post a CAGR of over 38%
during the period
2019-2023, according to
the latest market research
report by Technavio.
○ 資料來源 https://www.technavio.com/report/global-machine-learning-as-a-service-mlaas-market-industry-analysis
AI / ML SaaS 市場規模
● 台灣公有雲服務支出則預計於2023年達到11.22億美元,預計五年複合成長率達
11.83%。
● 亞太市場
○ IaaS 佔 50.2%、SaaS 佔 39.03%、PaaS 佔 10.7%
○ 中國、澳洲及印度將是亞太區公有雲發展主要市場
● 台灣市場
○ IaaS 佔 46.4%、SaaS 佔 46.7%、PaaS 佔 7.0%
○ 離散製造,專業服務和銀行業是台灣公有雲市場主要三大應用 產業
○ 資料來源 https://www.idc.com/getdoc.jsp?containerId=prAP45576519
四巨頭 MLaaS
● Google Cloud AI
● Amazon SageMaker
● IBM Watson
● Microsoft Azure AI
Google Trend「品牌 + 產品關鍵字」搜尋熱度比較
https://trends.google.com.tw/trends/explore?date=today%205-y&q=Amazon%20SageMaker,Google%20AutoML,Azure%20Machin
e%20Learning,IBM%20Watson
Google Trend 「產品關鍵字」搜尋熱度比較
https://trends.google.com.tw/trends/explore?date=today%205-y&q=SageMaker,Google%20Machine%20Learning,Azure%20Mac
hine%20Learning,IBM%20Watson
Google Cloud AI
by Shime
Google Cloud AI
● AI Hub
○ 隨插即用 AI 元件的託管存放區
○ 端對端 AI 管道、立即可用的演算法、 kube?ow工作管線、Jupyter Notebooks以及TensorFlow模
組
○ 重用人工智慧資源
● AI Building Blocks
○ 可讓開發人員輕鬆地將 視覺內容、語言、對話和結構化資料加入應用程 式中。
○ 建構模塊有兩種:AutoML 用於自訂模型,API 用於預先訓練的模型。
● AI Platform
○ 是以程式碼為基礎的數據資料學開發環境,可協助機器學習開發人員和數據資料學家,縮短從
構思專案到投入部署的時程。
○ 一個端到端的開發平臺,團隊可以使用共享介面,準備、建置、執行以及管理機器學習專案,各
種角色都能參與其中。
AI Building Blocks
● 視覺
○ Vision AI
■ AutoML Vision
■ Vision API
○ Video AI
■ AutoML Video Intelligence
■ Video Intelligence API
● 對話
○ Dialog?ow
■ 打造對話體驗
○ Cloud Text-to-Speech API
■ 採用機器學習,將文字轉換成語音
○ Cloud Speech-to-Text API
■ 採用機器學習,將語音轉換為文字
● 語言
○ 翻譯
■ AutoML Translation
■ Translation API
○ Natural Language
■ AutoML Natural Language
■ Natural Language API
● 結構化資料
○ AutoML Tables
■ 利用機器學習,快速處理大量的結構
化資料
○ Recommendations AI
■ 為客戶提供更多他們感興趣的內容
○ Cloud Inference API
■ 針對已分類的時間序列資料集,快速
執行大規模的關聯性運算。
Vision AI
Vision AI
Vision AI - API
Video AI
Video AI - API
AutoML Translation
Natural Language API
AutoML Tables
● 輕鬆將結構化資料建模與佈署
● 利用机器学习,快速处理大量的结构化资料
Amazon SageMaker
by SJ
Amazon SageMaker 四項產品主線
標籤
● Amazon SageMaker Ground Truth
建立
● Amazon SageMaker Studio
● Amazon SageMaker Notebook
● Amazon SageMaker Autopilot
訓練與調整
● Amazon SageMaker Experiments
● Amazon SageMaker Debugger
佈署與管理
● Amazon SageMaker Model Monitor
● Amazon Augmented AI
● Amazon Elastic Inference
● Kubernetes - Kube?ow
Amazon 透過自家的 AWS 搭建 Machine Learning 服務,功能完整橫跨的 AI 產品發展生命週期,這一類型
的產品服務 TA 為有資料科學背景的使用者、企業與 AI 產品開發相關市場。Amazon 提供的產品服務主要區
分以下四項:
標籤 - Amazon SageMaker Ground Truth
● 透過 AI 輔助標記,減少標記資料 70%
● 整合 Amazon Mechanical Turk 提供 500,000 名標籤人員
● 標記人員計分機制,確保品質
建立機器學習模型 - Amazon SageMaker Studio
● Web IDE 整合 Machine Learn 開發工具
● 上傳資料,創建新的筆記本、訓練和調整模型、模型部署
建立機器學習模型 - Amazon SageMaker Notebook
● 等同 Jupyter 筆記本、提供協作編輯功能
● 可在 AWS Marketplace 中獲得數百種可用的演算法和經過預先訓練的模型
註:Machine learning solutions in AWS Marketplace
https://aws.amazon.com/marketplace
建立機器學習模型 - Amazon SageMaker Autopilot
● SageMaker Autopilot 與 Amazon SageMaker Studio 整合
● 多達 50 種由 SageMaker Autopilot 自動產生的不同模型
訓練機器學習模型 - Amazon SageMaker Experiments
● 協助您組織和追蹤機器學習模型的反覆執行
● 自動擷取輸入參數、組態和結果,以視覺化方式比較實驗結果。
訓練機器學習模型 - Amazon SageMaker Debugger
● 訓練過程中自動擷取即時指標,例如訓練和驗證、混淆矩陣和學習梯度,來協助
提高模型準確性。
● 對異常情況進行分析和偵錯。例如,若確定梯度消失,訓練將會停止。可識別逐
漸消失的梯度,因此您可以在影響培訓之前進行補救。
部署機器學習模型 - Amazon SageMaker Model Monitor
● Amazon SageMaker 一鍵佈署,自動建立 HTTPS API,自動拓展
● 自動偵測部署模型中的概念漂移,並提供詳細的提醒,以協助確定問題的根源
部署機器學習模型
● Amazon Augmented AI
○ 建立機器學習預測人工審 查所需的工作流程,可以在模型無法做出高信賴度預測時,允許人工審 查
者介入。
● Amazon Elastic Inference
○ 推斷加速,可讓您在任何 Amazon EC2、Amazon SageMaker 執行個體類型或 Amazon ECS 任務上
附加適當的 GPU 支援推斷加速數量。
● Kubernetes - Kube?ow
○ 使用 Kubernetes 運算子和管道,在 SageMaker 中訓練和部署模型。 Kubernetes 使用者可透過
Kube?ow,在本機存取 SageMaker 的所有功能。
IBM Watson
by JJ
Watson 服務 - AI管理工具
● Watson Studio
○ 建置與訓練 AI 模型,並在單一整合環境中準備與分析資料
● Watson Machine Learning
○ 使用自動化協同作業工作流程來建立、訓練與部署自學模型
● Watson OpenScale
○ 追蹤及測量 AI 的成果,並調整及控管 AI 以因應變化的商業狀況
● Watson Knowledge Catalog
○ 運用智慧型資料和分析資 產探索、編目與控管,來推動 AI 應用程式
AI管理工具 - Watson Studio
● 建置、部署、測試、重新訓練和監視預測性機器學習模型
AI管理工具 - Watson Studio
● 資料準備
○ 利用「資料精製」工具(提供 內建資料清理及轉換)來發掘資料當中的隱藏洞察。存取表格化的資
料檢視,包括視覺化和描述統計,以協助您藉由向資料提出正確的商業問題來發掘隱藏的洞察。
AI管理工具 - Watson Studio
● 資料探索
○ 使用內含的儀表板服務,即時直接從您的資料 產生驚人的視覺化。這可為您 啟發先前不明的模
式、關係或其他可據以採取行動的發現結果,並輕鬆地與您的團隊共享。
AI管理工具 - Watson Studio
● 模型開發
○ 使用可隨工作流程增減的自訂運算環境來測試與部署模型。從 Anaconda、Apache Spark 及
GPU 環境的各種容量選項進行挑選。
AI管理工具 - Watson Studio
● 模型部署
○ 一旦您的模型準備就緒,即可使用 Watson? Machine Learning 服務來進行部署與評分。
● 模型管理
○ 運用深度學習實驗,輕鬆比較執行作業與執行模型超參數優化。
AI管理工具 - Watson Studio
● 模型評估
○ 透過使用 IBM SPSS? Modeler 的模型視覺化功能,將模型與資料之間的適配性視覺化,藉此改
善您的模型效能。
AI管理工具 - Watson Knowledge Catalog
● 可協助商業使用者快速探索、策劃、分類與共用資料資產、資料集、分析模型,以
及他們與組織當中其他成員的關係。
Watson 服務 - Watson 應用程序
● Watson Assistant
○ 建置與部署會談機器人及虛擬助理。
● Watson Discovery
○ 結合自動化汲取和進階 AI 功能來發現資料當中的連結。
● Watson Speech to Text
○ 輕鬆將影音轉換成文字。
● Watson Natural Language Understanding
○ 分析文字以從內容(例如概念、實體和觀感)擷取 meta 資料。
Watson 服務 - Watson APIs
● Watson Visual Recognition
○ 使用深度學習演算法來分析場景、物件、臉部及其他 內容的影像。
● Watson Text to Speech
○ 從文之a生類似人聲的音訊,使用多國語言和各種聲調與使用者互動。
● Watson Language Translator
○ 語言翻譯程式會將一種語言的文字轉換成另一種語言。
● Watson Natural Language Classi?er
○ 瞭解文字背後的意圖,並傳回對應分類以及填入信任評分,再根據分類結果更新訓練資料,並使
用更新的訓練資料來建立及訓練分類器。
● Watson Personality Insights
○ 透過文字來預測人格特徵、需求和價 值。大規模瞭解客戶個別層面的習慣和喜好。
● Watson Tone Analyzer
○ 使用語言分析來偵測文字中的情緒和語氣。
Microsoft Azure
Machine Learning
by JJ
AI + 機器學習服務
● 機器學習
○ Azure Machine Learning
○ Azure Databricks
● 知識發掘
○ Azure 認知搜尋
● AI 應用程式和代理程式
○ 認知服務
○ Azure Bot Service
機器學習 - Azure Machine Learning
● 使用自動機器學習可簡單地建立模型,輕鬆擴展調整模型
● 可使用任何的python open source frameworks & tools
● 使用MLOps (DevOps for ML) 管理工作流程
● 輕鬆在雲端和邊緣部署和管理
機器學習 - Azure Machine Learning
● 以 Python 或 R 建置 ML 模型
○ Azure Machine Learning Python SDK 或 R SDK,開始訓練您的本機電腦。然後可以
擴充至雲端
● 使用無程式碼的工具建置 ML 模型
○ Azure Machine Learning 設計工具
○ 自動化機器學習UI
機器學習 - Azure Machine Learning
MLOps (DevOps for ML):模型管理、部署和監視
● 建立可重現的 ML 管線 (ML pipelines)
○ 管線可讓您針對資料準備、定型和評分程式,定義可重複且可重複使用的步驟。
● 從任何地方註冊、封裝和部署模型
○ 追蹤使用模型所需的相關中繼資料。
● 捕捉捕獲端對端ML 生命週期所需的治理資料
○ 包括正在發佈模型的物件、變更的原因,以及模型部署或用於生 產環境中的時間。
● 通知和警示 ML 生命週期中的事件
○ 例如實驗完成、模型註冊、模型部署和資料漂移偵測。
● 監視 ml 應用程式的操作和ml 相關問題。
○ 比較定型和推斷之間的模型輸入、探索模型特定計量,以及提供 ML 基礎結構的監視和警示。
● 使用 Azure Machine Learning 和 Azure DevOps 自動化端對端 ML 生命週期
○ 以便經常更新模型、測試新模型,以及持續推出新的 ml 模型以及其他應用程式和服務。
機器學習 - Azure Machine Learning
● ML pipelines
○ 定義可重複使用的機器學習服務工作流程,以作為您機器學習服務案例的範本
○ 自動執行、異構計算、再使用性、追蹤和版本控制、模組、共同作業
○ Python SDK、Azure Machine Learning 設計工具
機器學習 - Azure Machine Learning
● 建置介紹
○ Azure Machine Learning 設計工具
○ Python SDK
機器學習 - Azure Databricks
針對 Microsoft Azure 雲端服務平台進行最佳化的 Apache Spark 分析平台
知識發掘 - Azure 認知搜尋
● Azure 認知搜尋是一個搜尋即服務雲端解決方案
○ 內建 AI 功能的雲端搜尋服務,來發掘您 內容中的模式和關係、了解情感、擷取關鍵片語等等
AI 應用程式和代理程式 - 認知服務
● 決策
○ Anomaly Detector
○ 內容仲裁
○ 個人化工具
● 語言
○ 沈浸式閱讀程式
○ 語言理解
○ 製作問與答的人員
○ 文字分析
○ Translator Text
● 語音
○ 語音轉換文字
○ 文字轉換語音
○ 語音翻譯
○ 說話者辨識
● 辨識
○ Computer Vision
○ 自訂視覺
○ 臉部
○ 表單辨識器
○ 筆跡辨識器
○ 影片索引器
● 網路內容搜尋
○ Bing Web 搜尋
○ Bing 自訂搜尋
○ Bing 自動建議
○ Bing 拼字檢查
○ Bing 新聞搜尋
○ Bing 圖像式搜尋
○ Bing 實體搜尋
○ Bing 影片搜尋
○ Bing 影像搜尋
AI 應用程式和代理程式 - Azure Bot Service
● 專門建置的 Bot 開發環境,包含現成可用的範本,可供您快速開始使用
○ Bot Framework SDK
市面 AI SaaS 相关产物
AI 四個領域 SaaS 工具
1. 資料:已標記資料提供者 (平台)
2. 標記:標記工具 / 媒合標記工作
3. 訓練:提供 GPU / 訓練工具
4. 推論:API / 應用
MLaaS 相關文章
● 機器學習即服務(MLaaS):Google、Azure和AWS如何使AI民主化
● 2019年AI趨勢:MLaaS,人工智慧機器人過程自動化和大數據預測
● 谷歌、微軟與亞馬遜搶奪企業AI的商機
資料集 SaaS
● Kaggle Dataset
○ 可以在 Kaggle 內建的 Web Notebook 直接新增 Kaggle 上公開的資料疾病進行訓練
● Labelme (有標記工具與Dataset)
○ A large dataset created by the MIT Computer Science and Arti?cial Intelligence Laboratory
(CSAIL) containing 187,240 images, 62,197 annotated images, and 658,992 labeled objects.
● Google: Youtube-8M
○ 資料集包含 8,000,000 萬個 YouTube 視訊連結,這些視訊集進行了 video-level(視訊層級) 的標
註,標註為 4800 種 Knowledge Graph entities(知識圖譜實體)。
● CelebFaces
○ Face dataset with more than 200,000 celebrity images, each with 40 attribute annotations.
● Google Dataset Search
○ 提供免費資料集下載與搜尋
資料集 SaaS
● Places
○ Scene-centric database with 205 scene categories and 2.5 million images with a category label.
● Stanford Dogs Dataset
○ Contains 20,580 images and 120 di?erent dog breed categories, with about 150 images per
class.
● Visual Genome
○ Visual Genome is a dataset and knowledge base created in an e?ort to connect structured
image concepts to language. The database features detailed visual knowledge base with
captioning of 108,077 images.
● DensePose
○ Dense human pose estimation aims at mapping all human pixels of an RGB image to the 3D
surface of the human body.
標記 SaaS
● LabelMe, the open annotation tool.
○ The goal of LabelMe is to provide an online annotation tool to build image databases for
computer vision research. You can contribute to the database by visiting the annotation tool.
● 魁達智慧 - ezLabel
○ 影片連續標記工具
● Annotorious
○ Open Source Web 標記工具
● Handl
○ AI 輔助標記服務,80% AI 標 + 20% 人工標
● LabelBox
○ 線上標記, 協同標記,目前看到最好用的線上標記工具
訓練 SaaS
● Kaggle - Notebook
○ 功能近似 Jupyter Notebook,免費版速度慢常常開不起來,可以直接掛載 Kaggle 線上訓練
● Google - Colab
○ 功能近似 Jupyter Notebook,免費
○ 可以選擇 GPU/TPU 進行訓練加速, 提供 Ram 12G, Disk 68 GB
● Imagga: Custom Model Training
○ 圖片模型自動訓練, Analyze speci?c visual data by building custom models.
● MonkeyLearn
○ 文字分類與模型訓練服務,提供 API, Email, Chatbot, Phone 進行整合
● ?oydhub
○ 提供 Jupyter Notebook 與 CLI,直接在雲端的機器執行運算 Job 來訓練模型
● Nvidia AI Clara
○ 醫療影像相關的 Machine Learning 服務,提供 Docker SDK 來 Train Model 與推論,功能相當精
簡
推論 SaaS
● KKBOX-AI 自動優化影片
○ BlendVision 首先將推出「BlendVision Video Streaming」,結合「按主題編碼技術( Per-Title
Encoding, PTE)」,利用 AI 自動辨別不同位元速率( Bitrate)進行影片壓縮轉檔,大幅減少傳輸頻
寬、節省儲存空間,有效降低 OTT 平台業者的營運成本。
● 日本德勤用AI雲端推新創支援媒合服務
○ 新創企業只要在這套系統上輸入公司的事業範疇以及商業型態,而大型企業則是輸入公司所遭
遇的難題,在經由 AI 人工智慧進行分析比對後,就會將適合進行合作的新創企業,介紹給利用
該服務的大型企業用 戶。
● Imagga: Image Tagging API
○ Automate Your Image Tagging Process.
● AI Clare 語音助理
○ 提供多種語系的 AI 語音助理,沒有看到相關 SaaS 服務,算是提供 AI 技術服務的商業模式
● AI Market
○ 包含各種 API 與應用程式
The End
sj@toright.com
http://blog.toright.com

More Related Content

Similar to 2020 MLaaS 產業介紹.pdf (20)

啟动你的础滨工匠魂
啟动你的础滨工匠魂啟动你的础滨工匠魂
啟动你的础滨工匠魂
Erhwen Kuo
?
Azure Resource in EN-TW-CN-JamesHong-20220614.pdf
Azure Resource in EN-TW-CN-JamesHong-20220614.pdfAzure Resource in EN-TW-CN-JamesHong-20220614.pdf
Azure Resource in EN-TW-CN-JamesHong-20220614.pdf
plutojunjun
?
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
zhoujg
?
accelseries2024autumn-updates-zh0000.ppt
accelseries2024autumn-updates-zh0000.pptaccelseries2024autumn-updates-zh0000.ppt
accelseries2024autumn-updates-zh0000.ppt
NTTDATA INTRAMART
?
Microsoft Generative AI and Medical case studies.
Microsoft Generative AI and Medical case studies.Microsoft Generative AI and Medical case studies.
Microsoft Generative AI and Medical case studies.
Meng-Ru (Raymond) Tsai
?
Toutiao 2013 Jan Series B Funding Deck
Toutiao 2013 Jan Series B Funding DeckToutiao 2013 Jan Series B Funding Deck
Toutiao 2013 Jan Series B Funding Deck
Matthew Brennan
?
AWS re:Invent Recap 2016 Taiwan part 1
AWS re:Invent Recap 2016 Taiwan part 1AWS re:Invent Recap 2016 Taiwan part 1
AWS re:Invent Recap 2016 Taiwan part 1
Amazon Web Services
?
accelseries2024autumn-updates-zh-2024.pdf
accelseries2024autumn-updates-zh-2024.pdfaccelseries2024autumn-updates-zh-2024.pdf
accelseries2024autumn-updates-zh-2024.pdf
NTTDATA INTRAMART
?
(宇宏)生產履歷 建議方案 20100901 v2
(宇宏)生產履歷 建議方案 20100901 v2(宇宏)生產履歷 建議方案 20100901 v2
(宇宏)生產履歷 建議方案 20100901 v2
Sonny Chen
?
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Amazon Web Services
?
Actify's Product solution Presentation in Simplified Chinese
Actify's Product solution Presentation in Simplified ChineseActify's Product solution Presentation in Simplified Chinese
Actify's Product solution Presentation in Simplified Chinese
Alen Kuo
?
实时用户体验收集
实时用户体验收集实时用户体验收集
实时用户体验收集
Yan Wang
?
惭颈颁濒辞耻诲服务提供者训练
惭颈颁濒辞耻诲服务提供者训练惭颈颁濒辞耻诲服务提供者训练
惭颈颁濒辞耻诲服务提供者训练
Simon Su
?
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
Yi-Wei Lai
?
Data Analyse Black Horse - ClickHouse
Data Analyse Black Horse - ClickHouseData Analyse Black Horse - ClickHouse
Data Analyse Black Horse - ClickHouse
Jack Gao
?
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
Will Kuan 官大鈞
?
About grow up
About grow upAbout grow up
About grow up
biaowei zhuang
?
深入淺出 AWS 大數據工具
深入淺出 AWS 大數據工具深入淺出 AWS 大數據工具
深入淺出 AWS 大數據工具
Amazon Web Services
?
《云计算入门指南》
《云计算入门指南》《云计算入门指南》
《云计算入门指南》
wiit
?
SRE CH12 - Effective Troubleshooting
SRE CH12 - Effective TroubleshootingSRE CH12 - Effective Troubleshooting
SRE CH12 - Effective Troubleshooting
Rick Hwang
?
啟动你的础滨工匠魂
啟动你的础滨工匠魂啟动你的础滨工匠魂
啟动你的础滨工匠魂
Erhwen Kuo
?
Azure Resource in EN-TW-CN-JamesHong-20220614.pdf
Azure Resource in EN-TW-CN-JamesHong-20220614.pdfAzure Resource in EN-TW-CN-JamesHong-20220614.pdf
Azure Resource in EN-TW-CN-JamesHong-20220614.pdf
plutojunjun
?
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
信息系统开发平台翱辫别苍贰虫辫谤别蝉蝉础辫辫
zhoujg
?
accelseries2024autumn-updates-zh0000.ppt
accelseries2024autumn-updates-zh0000.pptaccelseries2024autumn-updates-zh0000.ppt
accelseries2024autumn-updates-zh0000.ppt
NTTDATA INTRAMART
?
Microsoft Generative AI and Medical case studies.
Microsoft Generative AI and Medical case studies.Microsoft Generative AI and Medical case studies.
Microsoft Generative AI and Medical case studies.
Meng-Ru (Raymond) Tsai
?
Toutiao 2013 Jan Series B Funding Deck
Toutiao 2013 Jan Series B Funding DeckToutiao 2013 Jan Series B Funding Deck
Toutiao 2013 Jan Series B Funding Deck
Matthew Brennan
?
AWS re:Invent Recap 2016 Taiwan part 1
AWS re:Invent Recap 2016 Taiwan part 1AWS re:Invent Recap 2016 Taiwan part 1
AWS re:Invent Recap 2016 Taiwan part 1
Amazon Web Services
?
accelseries2024autumn-updates-zh-2024.pdf
accelseries2024autumn-updates-zh-2024.pdfaccelseries2024autumn-updates-zh-2024.pdf
accelseries2024autumn-updates-zh-2024.pdf
NTTDATA INTRAMART
?
(宇宏)生產履歷 建議方案 20100901 v2
(宇宏)生產履歷 建議方案 20100901 v2(宇宏)生產履歷 建議方案 20100901 v2
(宇宏)生產履歷 建議方案 20100901 v2
Sonny Chen
?
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Track 2 Session 6_利用 Amazon Personalize 個人化推薦提升玩家體驗
Amazon Web Services
?
Actify's Product solution Presentation in Simplified Chinese
Actify's Product solution Presentation in Simplified ChineseActify's Product solution Presentation in Simplified Chinese
Actify's Product solution Presentation in Simplified Chinese
Alen Kuo
?
实时用户体验收集
实时用户体验收集实时用户体验收集
实时用户体验收集
Yan Wang
?
惭颈颁濒辞耻诲服务提供者训练
惭颈颁濒辞耻诲服务提供者训练惭颈颁濒辞耻诲服务提供者训练
惭颈颁濒辞耻诲服务提供者训练
Simon Su
?
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
[2019 臺灣雲端大會]使用雲端技術打造快速的 AI 服務上線
Yi-Wei Lai
?
Data Analyse Black Horse - ClickHouse
Data Analyse Black Horse - ClickHouseData Analyse Black Horse - ClickHouse
Data Analyse Black Horse - ClickHouse
Jack Gao
?
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
機器學習工具介紹 / 机器学习工具介绍 Demos for Machine Learning Tools
Will Kuan 官大鈞
?
《云计算入门指南》
《云计算入门指南》《云计算入门指南》
《云计算入门指南》
wiit
?
SRE CH12 - Effective Troubleshooting
SRE CH12 - Effective TroubleshootingSRE CH12 - Effective Troubleshooting
SRE CH12 - Effective Troubleshooting
Rick Hwang
?

More from 家弘 周 (16)

LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
家弘 周
?
NVIDIA Omniverse Kit Introduction and IoT Application
NVIDIA Omniverse Kit Introduction and IoT ApplicationNVIDIA Omniverse Kit Introduction and IoT Application
NVIDIA Omniverse Kit Introduction and IoT Application
家弘 周
?
用 Keras 玩 Machine Learning
用 Keras 玩 Machine Learning用 Keras 玩 Machine Learning
用 Keras 玩 Machine Learning
家弘 周
?
Linux Container Introduction
Linux Container IntroductionLinux Container Introduction
Linux Container Introduction
家弘 周
?
Cloud Foundry Introduction
Cloud Foundry IntroductionCloud Foundry Introduction
Cloud Foundry Introduction
家弘 周
?
區塊鏈共識機制與 EOS
區塊鏈共識機制與 EOS區塊鏈共識機制與 EOS
區塊鏈共識機制與 EOS
家弘 周
?
簡單線性回歸 & K-Means (Machine learning)
簡單線性回歸 & K-Means (Machine learning)簡單線性回歸 & K-Means (Machine learning)
簡單線性回歸 & K-Means (Machine learning)
家弘 周
?
WordPress Blog SEO 兩三事
WordPress Blog SEO 兩三事WordPress Blog SEO 兩三事
WordPress Blog SEO 兩三事
家弘 周
?
SEO 武林天下
SEO 武林天下SEO 武林天下
SEO 武林天下
家弘 周
?
MOPCON 2015 - 軟體、測試、程式設計家
MOPCON 2015 - 軟體、測試、程式設計家MOPCON 2015 - 軟體、測試、程式設計家
MOPCON 2015 - 軟體、測試、程式設計家
家弘 周
?
敏捷开花那些小事
敏捷开花那些小事敏捷开花那些小事
敏捷开花那些小事
家弘 周
?
小猴子也會的 Ubuntu Desktop 14.04 安裝教學
小猴子也會的 Ubuntu Desktop 14.04 安裝教學小猴子也會的 Ubuntu Desktop 14.04 安裝教學
小猴子也會的 Ubuntu Desktop 14.04 安裝教學
家弘 周
?
软体品质与持续整合
软体品质与持续整合软体品质与持续整合
软体品质与持续整合
家弘 周
?
REST to RESTful Web Service
REST to RESTful Web ServiceREST to RESTful Web Service
REST to RESTful Web Service
家弘 周
?
Caching in HTTP
Caching in HTTPCaching in HTTP
Caching in HTTP
家弘 周
?
The Clean Coder - 預估與壓力 (書摘)
The Clean Coder - 預估與壓力 (書摘)The Clean Coder - 預估與壓力 (書摘)
The Clean Coder - 預估與壓力 (書摘)
家弘 周
?
LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
LLM RAG 擷取增強生成介紹 - 3 種 RAG/Self-RAG/CRAG 全解析
家弘 周
?
NVIDIA Omniverse Kit Introduction and IoT Application
NVIDIA Omniverse Kit Introduction and IoT ApplicationNVIDIA Omniverse Kit Introduction and IoT Application
NVIDIA Omniverse Kit Introduction and IoT Application
家弘 周
?
用 Keras 玩 Machine Learning
用 Keras 玩 Machine Learning用 Keras 玩 Machine Learning
用 Keras 玩 Machine Learning
家弘 周
?
Linux Container Introduction
Linux Container IntroductionLinux Container Introduction
Linux Container Introduction
家弘 周
?
Cloud Foundry Introduction
Cloud Foundry IntroductionCloud Foundry Introduction
Cloud Foundry Introduction
家弘 周
?
區塊鏈共識機制與 EOS
區塊鏈共識機制與 EOS區塊鏈共識機制與 EOS
區塊鏈共識機制與 EOS
家弘 周
?
簡單線性回歸 & K-Means (Machine learning)
簡單線性回歸 & K-Means (Machine learning)簡單線性回歸 & K-Means (Machine learning)
簡單線性回歸 & K-Means (Machine learning)
家弘 周
?
WordPress Blog SEO 兩三事
WordPress Blog SEO 兩三事WordPress Blog SEO 兩三事
WordPress Blog SEO 兩三事
家弘 周
?
MOPCON 2015 - 軟體、測試、程式設計家
MOPCON 2015 - 軟體、測試、程式設計家MOPCON 2015 - 軟體、測試、程式設計家
MOPCON 2015 - 軟體、測試、程式設計家
家弘 周
?
敏捷开花那些小事
敏捷开花那些小事敏捷开花那些小事
敏捷开花那些小事
家弘 周
?
小猴子也會的 Ubuntu Desktop 14.04 安裝教學
小猴子也會的 Ubuntu Desktop 14.04 安裝教學小猴子也會的 Ubuntu Desktop 14.04 安裝教學
小猴子也會的 Ubuntu Desktop 14.04 安裝教學
家弘 周
?
软体品质与持续整合
软体品质与持续整合软体品质与持续整合
软体品质与持续整合
家弘 周
?
REST to RESTful Web Service
REST to RESTful Web ServiceREST to RESTful Web Service
REST to RESTful Web Service
家弘 周
?
The Clean Coder - 預估與壓力 (書摘)
The Clean Coder - 預估與壓力 (書摘)The Clean Coder - 預估與壓力 (書摘)
The Clean Coder - 預估與壓力 (書摘)
家弘 周
?

2020 MLaaS 產業介紹.pdf

  • 1. MLaaS 產業介紹 Machine Learning as a Service sj@toright.com http://blog.toright.com
  • 2. AI / ML SaaS 市場規模 ● AI software and platforms will reach $97.9 billion in 2023. ● The compound annual growth rate (CAGR) for the 2018-2023 forecast period will be 28.4%. ○ 資料來源 https://www.idc.com/getdoc.jsp?containerId=prUS45481219
  • 3. MLaaS market is expected to post a CAGR of over 38% The global machine learning-as-a-service (MLaaS) market is expected to post a CAGR of over 38% during the period 2019-2023, according to the latest market research report by Technavio. ○ 資料來源 https://www.technavio.com/report/global-machine-learning-as-a-service-mlaas-market-industry-analysis
  • 4. AI / ML SaaS 市場規模 ● 台灣公有雲服務支出則預計於2023年達到11.22億美元,預計五年複合成長率達 11.83%。 ● 亞太市場 ○ IaaS 佔 50.2%、SaaS 佔 39.03%、PaaS 佔 10.7% ○ 中國、澳洲及印度將是亞太區公有雲發展主要市場 ● 台灣市場 ○ IaaS 佔 46.4%、SaaS 佔 46.7%、PaaS 佔 7.0% ○ 離散製造,專業服務和銀行業是台灣公有雲市場主要三大應用 產業 ○ 資料來源 https://www.idc.com/getdoc.jsp?containerId=prAP45576519
  • 5. 四巨頭 MLaaS ● Google Cloud AI ● Amazon SageMaker ● IBM Watson ● Microsoft Azure AI
  • 6. Google Trend「品牌 + 產品關鍵字」搜尋熱度比較 https://trends.google.com.tw/trends/explore?date=today%205-y&q=Amazon%20SageMaker,Google%20AutoML,Azure%20Machin e%20Learning,IBM%20Watson
  • 9. Google Cloud AI ● AI Hub ○ 隨插即用 AI 元件的託管存放區 ○ 端對端 AI 管道、立即可用的演算法、 kube?ow工作管線、Jupyter Notebooks以及TensorFlow模 組 ○ 重用人工智慧資源 ● AI Building Blocks ○ 可讓開發人員輕鬆地將 視覺內容、語言、對話和結構化資料加入應用程 式中。 ○ 建構模塊有兩種:AutoML 用於自訂模型,API 用於預先訓練的模型。 ● AI Platform ○ 是以程式碼為基礎的數據資料學開發環境,可協助機器學習開發人員和數據資料學家,縮短從 構思專案到投入部署的時程。 ○ 一個端到端的開發平臺,團隊可以使用共享介面,準備、建置、執行以及管理機器學習專案,各 種角色都能參與其中。
  • 10. AI Building Blocks ● 視覺 ○ Vision AI ■ AutoML Vision ■ Vision API ○ Video AI ■ AutoML Video Intelligence ■ Video Intelligence API ● 對話 ○ Dialog?ow ■ 打造對話體驗 ○ Cloud Text-to-Speech API ■ 採用機器學習,將文字轉換成語音 ○ Cloud Speech-to-Text API ■ 採用機器學習,將語音轉換為文字 ● 語言 ○ 翻譯 ■ AutoML Translation ■ Translation API ○ Natural Language ■ AutoML Natural Language ■ Natural Language API ● 結構化資料 ○ AutoML Tables ■ 利用機器學習,快速處理大量的結構 化資料 ○ Recommendations AI ■ 為客戶提供更多他們感興趣的內容 ○ Cloud Inference API ■ 針對已分類的時間序列資料集,快速 執行大規模的關聯性運算。
  • 13. Vision AI - API
  • 15. Video AI - API
  • 18. AutoML Tables ● 輕鬆將結構化資料建模與佈署 ● 利用机器学习,快速处理大量的结构化资料
  • 20. Amazon SageMaker 四項產品主線 標籤 ● Amazon SageMaker Ground Truth 建立 ● Amazon SageMaker Studio ● Amazon SageMaker Notebook ● Amazon SageMaker Autopilot 訓練與調整 ● Amazon SageMaker Experiments ● Amazon SageMaker Debugger 佈署與管理 ● Amazon SageMaker Model Monitor ● Amazon Augmented AI ● Amazon Elastic Inference ● Kubernetes - Kube?ow Amazon 透過自家的 AWS 搭建 Machine Learning 服務,功能完整橫跨的 AI 產品發展生命週期,這一類型 的產品服務 TA 為有資料科學背景的使用者、企業與 AI 產品開發相關市場。Amazon 提供的產品服務主要區 分以下四項:
  • 21. 標籤 - Amazon SageMaker Ground Truth ● 透過 AI 輔助標記,減少標記資料 70% ● 整合 Amazon Mechanical Turk 提供 500,000 名標籤人員 ● 標記人員計分機制,確保品質
  • 22. 建立機器學習模型 - Amazon SageMaker Studio ● Web IDE 整合 Machine Learn 開發工具 ● 上傳資料,創建新的筆記本、訓練和調整模型、模型部署
  • 23. 建立機器學習模型 - Amazon SageMaker Notebook ● 等同 Jupyter 筆記本、提供協作編輯功能 ● 可在 AWS Marketplace 中獲得數百種可用的演算法和經過預先訓練的模型
  • 24. 註:Machine learning solutions in AWS Marketplace https://aws.amazon.com/marketplace
  • 25. 建立機器學習模型 - Amazon SageMaker Autopilot ● SageMaker Autopilot 與 Amazon SageMaker Studio 整合 ● 多達 50 種由 SageMaker Autopilot 自動產生的不同模型
  • 26. 訓練機器學習模型 - Amazon SageMaker Experiments ● 協助您組織和追蹤機器學習模型的反覆執行 ● 自動擷取輸入參數、組態和結果,以視覺化方式比較實驗結果。
  • 27. 訓練機器學習模型 - Amazon SageMaker Debugger ● 訓練過程中自動擷取即時指標,例如訓練和驗證、混淆矩陣和學習梯度,來協助 提高模型準確性。 ● 對異常情況進行分析和偵錯。例如,若確定梯度消失,訓練將會停止。可識別逐 漸消失的梯度,因此您可以在影響培訓之前進行補救。
  • 28. 部署機器學習模型 - Amazon SageMaker Model Monitor ● Amazon SageMaker 一鍵佈署,自動建立 HTTPS API,自動拓展 ● 自動偵測部署模型中的概念漂移,並提供詳細的提醒,以協助確定問題的根源
  • 29. 部署機器學習模型 ● Amazon Augmented AI ○ 建立機器學習預測人工審 查所需的工作流程,可以在模型無法做出高信賴度預測時,允許人工審 查 者介入。 ● Amazon Elastic Inference ○ 推斷加速,可讓您在任何 Amazon EC2、Amazon SageMaker 執行個體類型或 Amazon ECS 任務上 附加適當的 GPU 支援推斷加速數量。 ● Kubernetes - Kube?ow ○ 使用 Kubernetes 運算子和管道,在 SageMaker 中訓練和部署模型。 Kubernetes 使用者可透過 Kube?ow,在本機存取 SageMaker 的所有功能。
  • 31. Watson 服務 - AI管理工具 ● Watson Studio ○ 建置與訓練 AI 模型,並在單一整合環境中準備與分析資料 ● Watson Machine Learning ○ 使用自動化協同作業工作流程來建立、訓練與部署自學模型 ● Watson OpenScale ○ 追蹤及測量 AI 的成果,並調整及控管 AI 以因應變化的商業狀況 ● Watson Knowledge Catalog ○ 運用智慧型資料和分析資 產探索、編目與控管,來推動 AI 應用程式
  • 32. AI管理工具 - Watson Studio ● 建置、部署、測試、重新訓練和監視預測性機器學習模型
  • 33. AI管理工具 - Watson Studio ● 資料準備 ○ 利用「資料精製」工具(提供 內建資料清理及轉換)來發掘資料當中的隱藏洞察。存取表格化的資 料檢視,包括視覺化和描述統計,以協助您藉由向資料提出正確的商業問題來發掘隱藏的洞察。
  • 34. AI管理工具 - Watson Studio ● 資料探索 ○ 使用內含的儀表板服務,即時直接從您的資料 產生驚人的視覺化。這可為您 啟發先前不明的模 式、關係或其他可據以採取行動的發現結果,並輕鬆地與您的團隊共享。
  • 35. AI管理工具 - Watson Studio ● 模型開發 ○ 使用可隨工作流程增減的自訂運算環境來測試與部署模型。從 Anaconda、Apache Spark 及 GPU 環境的各種容量選項進行挑選。
  • 36. AI管理工具 - Watson Studio ● 模型部署 ○ 一旦您的模型準備就緒,即可使用 Watson? Machine Learning 服務來進行部署與評分。 ● 模型管理 ○ 運用深度學習實驗,輕鬆比較執行作業與執行模型超參數優化。
  • 37. AI管理工具 - Watson Studio ● 模型評估 ○ 透過使用 IBM SPSS? Modeler 的模型視覺化功能,將模型與資料之間的適配性視覺化,藉此改 善您的模型效能。
  • 38. AI管理工具 - Watson Knowledge Catalog ● 可協助商業使用者快速探索、策劃、分類與共用資料資產、資料集、分析模型,以 及他們與組織當中其他成員的關係。
  • 39. Watson 服務 - Watson 應用程序 ● Watson Assistant ○ 建置與部署會談機器人及虛擬助理。 ● Watson Discovery ○ 結合自動化汲取和進階 AI 功能來發現資料當中的連結。 ● Watson Speech to Text ○ 輕鬆將影音轉換成文字。 ● Watson Natural Language Understanding ○ 分析文字以從內容(例如概念、實體和觀感)擷取 meta 資料。
  • 40. Watson 服務 - Watson APIs ● Watson Visual Recognition ○ 使用深度學習演算法來分析場景、物件、臉部及其他 內容的影像。 ● Watson Text to Speech ○ 從文之a生類似人聲的音訊,使用多國語言和各種聲調與使用者互動。 ● Watson Language Translator ○ 語言翻譯程式會將一種語言的文字轉換成另一種語言。 ● Watson Natural Language Classi?er ○ 瞭解文字背後的意圖,並傳回對應分類以及填入信任評分,再根據分類結果更新訓練資料,並使 用更新的訓練資料來建立及訓練分類器。 ● Watson Personality Insights ○ 透過文字來預測人格特徵、需求和價 值。大規模瞭解客戶個別層面的習慣和喜好。 ● Watson Tone Analyzer ○ 使用語言分析來偵測文字中的情緒和語氣。
  • 42. AI + 機器學習服務 ● 機器學習 ○ Azure Machine Learning ○ Azure Databricks ● 知識發掘 ○ Azure 認知搜尋 ● AI 應用程式和代理程式 ○ 認知服務 ○ Azure Bot Service
  • 43. 機器學習 - Azure Machine Learning ● 使用自動機器學習可簡單地建立模型,輕鬆擴展調整模型 ● 可使用任何的python open source frameworks & tools ● 使用MLOps (DevOps for ML) 管理工作流程 ● 輕鬆在雲端和邊緣部署和管理
  • 44. 機器學習 - Azure Machine Learning ● 以 Python 或 R 建置 ML 模型 ○ Azure Machine Learning Python SDK 或 R SDK,開始訓練您的本機電腦。然後可以 擴充至雲端 ● 使用無程式碼的工具建置 ML 模型 ○ Azure Machine Learning 設計工具 ○ 自動化機器學習UI
  • 45. 機器學習 - Azure Machine Learning MLOps (DevOps for ML):模型管理、部署和監視 ● 建立可重現的 ML 管線 (ML pipelines) ○ 管線可讓您針對資料準備、定型和評分程式,定義可重複且可重複使用的步驟。 ● 從任何地方註冊、封裝和部署模型 ○ 追蹤使用模型所需的相關中繼資料。 ● 捕捉捕獲端對端ML 生命週期所需的治理資料 ○ 包括正在發佈模型的物件、變更的原因,以及模型部署或用於生 產環境中的時間。 ● 通知和警示 ML 生命週期中的事件 ○ 例如實驗完成、模型註冊、模型部署和資料漂移偵測。 ● 監視 ml 應用程式的操作和ml 相關問題。 ○ 比較定型和推斷之間的模型輸入、探索模型特定計量,以及提供 ML 基礎結構的監視和警示。 ● 使用 Azure Machine Learning 和 Azure DevOps 自動化端對端 ML 生命週期 ○ 以便經常更新模型、測試新模型,以及持續推出新的 ml 模型以及其他應用程式和服務。
  • 46. 機器學習 - Azure Machine Learning ● ML pipelines ○ 定義可重複使用的機器學習服務工作流程,以作為您機器學習服務案例的範本 ○ 自動執行、異構計算、再使用性、追蹤和版本控制、模組、共同作業 ○ Python SDK、Azure Machine Learning 設計工具
  • 47. 機器學習 - Azure Machine Learning ● 建置介紹 ○ Azure Machine Learning 設計工具 ○ Python SDK
  • 48. 機器學習 - Azure Databricks 針對 Microsoft Azure 雲端服務平台進行最佳化的 Apache Spark 分析平台
  • 49. 知識發掘 - Azure 認知搜尋 ● Azure 認知搜尋是一個搜尋即服務雲端解決方案 ○ 內建 AI 功能的雲端搜尋服務,來發掘您 內容中的模式和關係、了解情感、擷取關鍵片語等等
  • 50. AI 應用程式和代理程式 - 認知服務 ● 決策 ○ Anomaly Detector ○ 內容仲裁 ○ 個人化工具 ● 語言 ○ 沈浸式閱讀程式 ○ 語言理解 ○ 製作問與答的人員 ○ 文字分析 ○ Translator Text ● 語音 ○ 語音轉換文字 ○ 文字轉換語音 ○ 語音翻譯 ○ 說話者辨識 ● 辨識 ○ Computer Vision ○ 自訂視覺 ○ 臉部 ○ 表單辨識器 ○ 筆跡辨識器 ○ 影片索引器 ● 網路內容搜尋 ○ Bing Web 搜尋 ○ Bing 自訂搜尋 ○ Bing 自動建議 ○ Bing 拼字檢查 ○ Bing 新聞搜尋 ○ Bing 圖像式搜尋 ○ Bing 實體搜尋 ○ Bing 影片搜尋 ○ Bing 影像搜尋
  • 51. AI 應用程式和代理程式 - Azure Bot Service ● 專門建置的 Bot 開發環境,包含現成可用的範本,可供您快速開始使用 ○ Bot Framework SDK
  • 52. 市面 AI SaaS 相关产物
  • 53. AI 四個領域 SaaS 工具 1. 資料:已標記資料提供者 (平台) 2. 標記:標記工具 / 媒合標記工作 3. 訓練:提供 GPU / 訓練工具 4. 推論:API / 應用 MLaaS 相關文章 ● 機器學習即服務(MLaaS):Google、Azure和AWS如何使AI民主化 ● 2019年AI趨勢:MLaaS,人工智慧機器人過程自動化和大數據預測 ● 谷歌、微軟與亞馬遜搶奪企業AI的商機
  • 54. 資料集 SaaS ● Kaggle Dataset ○ 可以在 Kaggle 內建的 Web Notebook 直接新增 Kaggle 上公開的資料疾病進行訓練 ● Labelme (有標記工具與Dataset) ○ A large dataset created by the MIT Computer Science and Arti?cial Intelligence Laboratory (CSAIL) containing 187,240 images, 62,197 annotated images, and 658,992 labeled objects. ● Google: Youtube-8M ○ 資料集包含 8,000,000 萬個 YouTube 視訊連結,這些視訊集進行了 video-level(視訊層級) 的標 註,標註為 4800 種 Knowledge Graph entities(知識圖譜實體)。 ● CelebFaces ○ Face dataset with more than 200,000 celebrity images, each with 40 attribute annotations. ● Google Dataset Search ○ 提供免費資料集下載與搜尋
  • 55. 資料集 SaaS ● Places ○ Scene-centric database with 205 scene categories and 2.5 million images with a category label. ● Stanford Dogs Dataset ○ Contains 20,580 images and 120 di?erent dog breed categories, with about 150 images per class. ● Visual Genome ○ Visual Genome is a dataset and knowledge base created in an e?ort to connect structured image concepts to language. The database features detailed visual knowledge base with captioning of 108,077 images. ● DensePose ○ Dense human pose estimation aims at mapping all human pixels of an RGB image to the 3D surface of the human body.
  • 56. 標記 SaaS ● LabelMe, the open annotation tool. ○ The goal of LabelMe is to provide an online annotation tool to build image databases for computer vision research. You can contribute to the database by visiting the annotation tool. ● 魁達智慧 - ezLabel ○ 影片連續標記工具 ● Annotorious ○ Open Source Web 標記工具 ● Handl ○ AI 輔助標記服務,80% AI 標 + 20% 人工標 ● LabelBox ○ 線上標記, 協同標記,目前看到最好用的線上標記工具
  • 57. 訓練 SaaS ● Kaggle - Notebook ○ 功能近似 Jupyter Notebook,免費版速度慢常常開不起來,可以直接掛載 Kaggle 線上訓練 ● Google - Colab ○ 功能近似 Jupyter Notebook,免費 ○ 可以選擇 GPU/TPU 進行訓練加速, 提供 Ram 12G, Disk 68 GB ● Imagga: Custom Model Training ○ 圖片模型自動訓練, Analyze speci?c visual data by building custom models. ● MonkeyLearn ○ 文字分類與模型訓練服務,提供 API, Email, Chatbot, Phone 進行整合 ● ?oydhub ○ 提供 Jupyter Notebook 與 CLI,直接在雲端的機器執行運算 Job 來訓練模型 ● Nvidia AI Clara ○ 醫療影像相關的 Machine Learning 服務,提供 Docker SDK 來 Train Model 與推論,功能相當精 簡
  • 58. 推論 SaaS ● KKBOX-AI 自動優化影片 ○ BlendVision 首先將推出「BlendVision Video Streaming」,結合「按主題編碼技術( Per-Title Encoding, PTE)」,利用 AI 自動辨別不同位元速率( Bitrate)進行影片壓縮轉檔,大幅減少傳輸頻 寬、節省儲存空間,有效降低 OTT 平台業者的營運成本。 ● 日本德勤用AI雲端推新創支援媒合服務 ○ 新創企業只要在這套系統上輸入公司的事業範疇以及商業型態,而大型企業則是輸入公司所遭 遇的難題,在經由 AI 人工智慧進行分析比對後,就會將適合進行合作的新創企業,介紹給利用 該服務的大型企業用 戶。 ● Imagga: Image Tagging API ○ Automate Your Image Tagging Process. ● AI Clare 語音助理 ○ 提供多種語系的 AI 語音助理,沒有看到相關 SaaS 服務,算是提供 AI 技術服務的商業模式 ● AI Market ○ 包含各種 API 與應用程式