# 從數位轉型到 AI 落地
###### tags: `20201017`
高嘉良
Infuse AI

## Digital Transformation: 2 Dimensions and 4 paths

Digitized vs Digital

### What is digital business tranformation?
MITcisr
客戶體驗 vs 操作效率

一定會遇到的問題
1. 正確的決策，且給AI team有更大權限
2. 跨部門的合作的方式
3. 要有一致性的數據整理方式
4. 組織改組 (最後才做)

## Digital Transformation & AI
(新的工作模式)
(永遠無法下班的概念)

form Models to Smart Models
數位化的程度

## Speeding up the AI Journey
Data science Risk Categorisation
組織性的 領導者、員工、硬體、協作問題
Intermediate 法規/政策/偏差/安全性/透明/溝通
Product Planning 商業價值等

### Infrastructure Risk
ML code只是很小的一部分，要看整個
Sculley et al., Hidden Technical Debet in ML system

所以要考慮DataOps與MLOps

### Wardley Map for Produciton AI
Wardley Map
> 分析問題的方法，透過解析發展路徑，找出bottleneck

### Distibuted Version Control
分散式的控制系統
Container
### Container & Orchestration
Orchestration: Kubernetes

### AutoML
PyCaret 可以提供一個簡單快速檢視不同的model成效的opensource的技術

## AI in Production: MLOps
ML + DevOps
是從資料的基礎型態、整理、coding、pipeline都有一個標準化的程序，使大家都可以用

版本的控制很重要，要讓每個步驟都能夠被記錄

CI: continuous integration
CD: continuous delivery
CT: continuous training

### End-user facing
stremlit

## Solutions and Case Study
PrimeHub of InfuseAI

準備
> 設定、資料蒐集、資料驗證、特徵提取
>
模型訓練
> 寫ML code、分析工具、機器資源管理、程序管理工具

現在寫code越來越容易，因為open source

部署上線
> 服務基礎建設、部署管理、監控

### 打造流暢的AI workflow
AI model做好之後才開始
因為AI部署後，會要放到線上使用