KardiaBand 從心電圖推估血鉀值

紀品志，AI 健康穿戴新技術，免抽血精準估測血鉀狀況，數位時代，2018.03.17

AliveCor (影片截圖)

Every kid needs a champion by Rita Pierson

How Putin meddles in Western democracies (普丁如何介入西方民主國家)

Economist, How Putin meddles in Western democracies, Feb 24th 2018.

It is futile to speculate how much Russia’s efforts succeeded in altering the outcomes of votes and poisoning politics. The answer is unknowable. But the conspiracies are wrong in themselves and their extent raises worries about the vulnerabilities of Western democracies. If the West is going to protect itself against Russia and other attackers, it needs to treat Mr Mueller’s indictments as a rallying cry.

momo 北區自動化物流中心

曾靉，斥資41億！momo北區自動化物流中心啟用，年出貨量可達5000萬件，數位時代，2017.10.27

富邦金控董事長蔡明興表示，momo從電視走向虛擬平台，過去幾年就想規劃物流中心，這次北區物流中心花15個月完工，總投資金額合計超過 41 億元，面積約 2萬 5000 坪，可容納350萬件以上的庫存量，並導入包括「自動倉儲 (AS/RS)」、「快速揀貨系統 (Shuttle Rack)」、「自動標籤 (DAS) 系統」、「自動分貨機(Sorter)」等自動化物流技術。 

蔡明興表示，透過自動化設備能大幅提升作業效率，將商品從下單到包裝好上碼頭的流程，從原先的30分鐘縮短到最快10分鐘，看好北區物流中心能帶動 momo 每日處理的出貨量最高可達14.4萬件，一年 5,000 萬件。另外，自動化倉儲在人力成本上約可節省約30%。momo 總經理林啟峰就指出，導入自動化設備後的物流中心，人力需求從原先的500人減少到300多人。

電腦視覺新創 Astra

Mia，配出 CP 值最高的演算法！台灣電腦視覺 AI 新創 Astra 成立一年多就獲 NTT 東日本青睞，Inside，2018/3/15 

傳統電信依靠利潤愈來愈低的上網資費以及加值內容，對公司轉型助力不大。Astra 從大數據角度切入，搭配人工智慧近年蓬勃發展的電腦視覺演算法，分析攝影機接收到的畫面，並整理成客戶資訊，讓 NTT 東日本還能再利用這些資訊幫助中小企業分析客群與消費行為，一口氣達成虛實數據整合與未來商務行銷的應用。...

他舉例，亞馬遜 AWS 也有提供臉部辨識的服務，採每分鐘計價 0.1 元美金，一個月很容易就破 500 元美金。而 Astra 與 NTT 東日本合作提供的服務採包月制，提供店家的方案每個月定價 2500 元日幣，大約 20-30 元美金，每張辨識成本更幾乎只有亞馬遜方案的 1/200。對日本商家來說只消一個工讀生 2-3 小時的薪水，就能換得豐富的客戶數據分析，相當划算。...

初期研發團隊甚至曾經 3 個月內就看了 300 多篇影像分析論文，再像拼積木一樣把不同功能的演算法湊在一起，團隊 2 個多月都睡在公司沒回家。經過不斷嘗試和失敗，加上對前後細節的優化及參數調整，才完成了這項低成本下仍能達成任務的「產品」。而這樣的產品比單純監測人流路徑和停留時間，或者僅抓取三個定位點來判斷有沒有人等常見的商店人流系統要精密得多，不僅能計算不重複客數，未來還能推測年齡、性別，甚至紀錄熟客臉孔。 

高宏鈞再舉例，若要計算不重複客流量，傳統做法可能是用客人的臉部圖像一張一張比對，「2 萬人就要比對 2 萬次」，非常耗費運算資源。而 Astra 組合既有的群聚分析演算法，就能免除這些消耗。

Data 8 The Foundations of Data Science by UC Berkeley

結合 UC Berkeley 多系教授的努力，Data 8 The Foundations of Data Science 是專為入門者設計的課程，適合各種背景和主修的大一新生。

透過 Python 和有趣的例子，說明資料科學的基礎 (統計) 知識和實際應用，強力推薦。課程中的 Python 程式碼有詳細的說明。

所有的教材都在線上。課文點選後，可以 (按滑鼠右鍵) 選中譯。

Hands-On Machine Learning With Scikit-Learn and Tensorflow

Aurelien Geron, Hands-On Machine Learning With Scikit-Learn and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, Oreilly & Associates, 2017

這本書是我上學期的研究所教科書，作者提供適當的數學解釋、許多的圖表、和可以執行的 Python 程式 (jupyter)，值得推薦。不過，學生反映程式碼太長，常常不知從何改起。

明年如果重教，打算使用本書的數學和圖表，但部份改用 Deep Learning with Python 的例子和程式碼。也算是綜合兩本書的優點。

AI 和律師的比賽

李雨晨，史丹佛大學等名校的 AI 打敗律師群，故事要從 30 年前說起，雷鋒網，2018 年 03 月 02 日

法律 AI 平台 LawGeex 與史丹佛大學、杜克大學法學院和南加州大學的法學教授合作進行一項新的研究，讓 20 名有經驗的律師與經過訓練的法律 AI 程式比賽。比賽內容是 4 小時審查 5 項保密協議 (NDA)，並確定 30 個法律問題，包括仲裁、關係保密和賠償。如何準確界定每個問題是比賽的得分要點。 

頂級律師輸了 

在這場比賽裡，人類律師平均準確率達 85%，而 AI 的準確率達 95%。AI 也在 26 秒內完成任務，人類律師平均需要 92 分鐘。人工智慧在一份合約也達到 100% 準確率，其中最高分的人類律師得分僅為 97%。簡而言之，人類律師被機器，「虐」了。...

Deep Learning with Python

François Chollet, Deep Learning with Python, Manning Publications Co., November 2017.

PART 1 FUNDAMENTALS OF DEEP LEARNING
1 What is deep learning?
2 Before we begin: the mathematical building blocks of neural networks
3 Getting started with neural networks
4 Fundamentals of machine learning  

PART 2 DEEP LEARNING IN PRACTICE
5 Deep learning for computer vision
6 Deep learning for text and sequences
7 Advanced deep-learning best practices
8 Generative deep learning
9 Conclusions 

基於 Keras 的開發環境，有趣的例子、清楚易懂的說明和程式碼，本書適合當成大學部的課本或自學。作者 François Chollet 是 Keras 的創造者 (Creator)。

以 3.4 Classifying movie reviews 為例，作者只用文字介紹隱藏層 (hidden layer)。如果沒有基本的觀念，將很難理解。如果對本書中的數學有興趣，可以參考 Hands-On Machine Learning With Scikit-Learn and Tensorflow。