2020/8/15 AI學校：如何推動組織的 AI 團隊文化？（講者：彭其捷）
•
2 recomendaciones•652 vistas
人工智慧時代來臨，許多組織都想打造出 AI 團隊，然而雖然容易接觸到各類 AI 技術資訊，但相對較少業界的實務經驗分享，許多組織即使辛苦招聘到AI人才，卻難以有效與實務結合，遇到轉型阻力。本次的分享，期待透過系統化的方式，分享 AI 團隊的 實務運作與參與人員，引導大家思考 AI 團隊經營的議題。
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a 2020/8/15 AI學校：如何推動組織的 AI 團隊文化？（講者：彭其捷）
Similar a 2020/8/15 AI學校：如何推動組織的 AI 團隊文化？（講者：彭其捷） (20)
Más de 彭其捷 Jack
Más de 彭其捷 Jack (20)
2020/8/15 AI學校：如何推動組織的 AI 團隊文化？（講者：彭其捷）
- 2. 人工智慧時代來臨，許多組織都想打造出 AI 團隊，然而 雖然容易接觸到各類 AI 技術資訊，但相對較少業界的 實務經驗分享，許多組織即使辛苦招聘到AI人才，卻難 以有效與實務結合，遇到轉型阻力。本次的分享，期待 透過系統化的方式，分享 AI 團隊的 實務運作與參與人 員，引導大家思考 AI 團隊經營 的議題。
- 3. Question 目前正在 AI 團隊任職？ 或正在進行 AI 專案？
- 4. About Me 【Cameo】Project Manager 【NTU】Geography and Environment Data Science PM, Platform PM Geospatial Computational Science Data system design, system development, front-end engineer, database administrator Department of Information Management System Department of Information Management System 4
- 5. 相關著作（資料視覺化 / 資料科學 / UIUX） 10 刷 5
- 7. 7
- 10. 10
- 13. 13 1. AI 團隊的組成？ 2. AI 團隊的日常？ 3. AI 團隊文化盤點
- 14. 打造 AI 團隊文化 AI 團隊的 組成？ AI 專案流 程中的文化 議題？ AI 團隊重 點文化盤點 探討實務 工作流程 帶人 先帶心 合適的人 是關鍵 人 事 心
- 19. 從 1001 個 資料科學家 的 Linkedin Profile ，認 識資料科學 家的角色
- 20. 資料科學家：AI 專案中的 靈魂人物 AI 工程師 / 領域專家 老闆 / 客戶資料科學家 分析資料、處理模型 ，並居中溝通技術細 節、鼓舞團隊、並討 論商業問題的靈魂 人物
- 22. 個人淺見： 如果是 (1) 非常強的資料科學家 (2) 精準的業務需求 (3) 乾淨的資料 有時 1 位 即足夠獨立進行 AI 任務
- 27. PM：組織溝通、資源配置的好幫手 想要了解進度！ 還需要花多少錢？ PM & 兼數據分析師 Time $ PM所負責的 成本 與 時 間，與分析師的商業決 策、作法、團隊運作，跟 習習相關，如果能夠由 相同角色來負責，擁有 許多好處
- 28. 數據顧問：幫忙客戶梳理需求的好幫手 客戶的需求改變了！ (ps. 客戶常常不知道需求） PM & 兼數據分析師 & 兼數據顧問 Time $ 團隊 資源 客戶 需求
- 30. 數據貼標：有時會需要工讀生的協助
- 31. 哪一個是吉娃娃？你怎麼判斷的？
- 35. 小結：AI 團隊的組成 核心角色：資料科學家 不任意擴編，而 是根據真實需 要增加成員 小而美很好 數據工程師 數據分析師 工讀生 PM 數據顧問 常見的團隊角色 卡米爾很多 2~3 人團隊 #1：專責溝通 #2：專責技術
- 38. 38
- 39. 39空氣品質 AI 預測服務 上線記者會
- 40. AI 專案流程 1. 議題了解 2. 資料整理 3. 特徵工程 4. 模擬建立與實驗 5. 預測功能上線 6. 服務維運與改版 以「空氣品質 AI 預測」為範例
- 42. 可有效避免 Garbage-in Garbage-out 直接就著手進行建模 (很多工程師所傾向的作法) 先了解過去的專家們，是怎樣 面對 / 解決這個問題的 1. 議題了解
- 43. 召開多場前期技術會議 > 持續紀錄1. 議題了解 https://miro.com/ 寫下＆確認
- 45. 45 整理資料，常常佔據了專 案 80% 的時間 2. 資料整理
- 50. 作者：提姆．歐萊禮（Tim O’Reilly） 特徵工程與 AI 模型：創意 常常是關鍵
- 53. 領域專家是 重要知識來源 擅長某一特定行業或垂直行業，領域專家所提供的 訊息，可用來作為進行 AI 計算、機器學習演算法設 計、數據註釋資料標記等關鍵任務。 ☆ 領域專家通常是不懂 AI 的 空污 專家 某製程 專家 半導體 專家 圍棋 專家 ...etc 育兒 專家 好特徵 攝影 專家 設計師 爸爸 媽媽 政治學 專家 氣候 專家
- 54. AI 專案，常需要引入領域專家知識幫助優化 AI V1：線性迴歸 前 30 小時 PM2.5 變化 前 13 小時 & 未 來 12 小時之 天氣變化 交通車流之上下 班時間 Final 方法 空氣品 質專家 氣象 專家 環境 專家 3. 特徵工程
- 57. 放一起看：v1 與後來上線版本的擬合程度 清理資料，新增超過 50 個特徵 預測準確度大幅提升 4. 模擬建立與實驗 V1：線性迴歸 Baseline Final：加入超過 50 個特徵後
- 59. 檢查 與確認 時常檢查 Code 的品質，以及參數的正確性4. 模擬建立與實驗 或 pair programming
- 60. 預測結果與 APP 整合5. 預測功能上線 Android iOS
- 61. 上線所需要的技能，跟 AI 建模很不同 請沒有上線經驗的 AI 科學家 來搭建服務，又不給時間學習 了解到「建模」與「上線」是不同 的工程能力，給予合適的團隊 夥伴，或是更多的時間 5. 預測功能上線
- 62. 常常服務上線後，維運（Operation）才是挑戰的開始 覺得 AI 上線後，專案就完成了 了解到「上線」只是一個階段， 並預期初步上線時會遇到各種 怪異狀況，持續領導團隊 6. 服務維運與改版
- 65. 建立 Ai 團隊文化：關鍵任務清單 1. 是否已經有一個核心靈魂人物領導者？ 2. 是否建立可負擔失敗、容許實驗的支持力量？ 3. 是否建立一個學習為導向的組織風格？ 4. 是否有較高層級的領導者定期參與？ 5. 不一定要進入辦公室？
- 68. 提出 願景、夢想：也同樣能吸引一流 AI 人才 https://www.bnext.com.tw/article/53021/ microsoft-ai-r&d-center-azure 很多新創公司反而 容易招聘到 AI 人才 組織品牌 / 價值理念號召
- 71. 用「實驗」的精神，取代「檢討」的文化 KPI / 績效 / 檢討 組織的官僚 中二 / 冒險 未知的結果 改變世界 https://aiacademy.tw/start-like-this/ 這次失敗了！沒關係
- 72. https://www.wired.co.uk/article/yuval-noah-harari-e xtract-21-lessons-for-the-21st-century 溝通與鼓舞團隊的 能力，我認為 AI 領 導者的重要能力， 這涉及到許多的溝 通能力，以及引領 團隊士氣持續高漲 的關鍵，可以持續 從失敗中吸取教訓 ，繼續前進 部門 主管 投資 人 AI 工程師 領域 專家 領導者
- 75. 鼓勵（甚至補助）讀書會 卡米爾 每週 / 每雙週都 有讀書會 對於 AI 工作者來 說，有時比加薪的 外在動機更吸引人 的是 內在動機： ● 讀書會：學習 ● 共學團：分享 ● 駭客松：貢獻
- 80. 80 結語
- 81. 打造 AI 團隊文化 AI 團隊的 組成？ AI 專案流 程中的文化 議題？ 如何帶領 AI 團隊？ 探討實務 工作流程 帶人 先帶心 找對人 是關鍵 人 事 心
- 83. 建立 Ai 團隊文化：關鍵任務清單 1. 是否已經有一個核心靈魂人物領導者？ 2. 是否建立可負擔失敗、容許實驗的支持力量？ 3. 是否建立一個學習為導向的組織風格？ 4. 是否有較高層級的領導者定期參與？ 5. 不一定要進入辦公室？
- 85. THE END