# 技術方法 應用場景 2020/03/23
## [2020 Gartner 分析](https://zhuanlan.zhihu.com/p/108076130)
> Gartner 設想認為：
- 2020 年，增強分析技術隨處可見，但只有 10% 的分析師真正有能力使用。
- 2020 年，40% 有關機器學習模型開發、評分任務的工作將被產品取代，這些產品可能本來不是以機器學習模型開發為主要目標。
- 2023 年，**90% 的全球 500 強公司**將把數據的分析治理作為重點。
- 2025年，數據故事將成為最普遍的分析方式，增加分析技術可以自動創建 75% 的數據故事。

> Gartner 對**現代分析和商業智能BI平台**( **ABI** )的定義是：
- 具備易於使用的、完整的從數據準備( Data preparation )
- 可視化探索分析( Visual exploration )
- 見解洞察生成( Insight generation )
- 增強的自助分析( Emphasis on selft-service and augmentation )

> 分析報告結論：
- **更加突出分析 Analytics** - 不再單純的只提 BI，所以整篇報告一直在描述的是 ABI。
- **更加強調端到端的能力 end to end** - 更加關注從數據源開始、到數據治理、數據管理、複雜分析模型、前端可視化分析、分析報告和增強分析整個過程。
- **機器學習和人工智能ML and AI** - 各個階段都可以接入ML 和AI 能力，讓整個過程自動化和流程化。
- **業務、數據平台的融合加速** - 企業 IT 信息化的兩個階段是必然趨勢，業務信息化和數據信息化，業務信息化就如同 Salesforce CRM，數據信息化就是 ABI，兩者必然結合。
- **雲部署，但各家都有限制** - ABI 產品的雲端化發展是一個趨勢，但也能看到雲 ABI 產品對雲的依賴性和排他性，越是有雲業務市場的越有限制。
- **各品牌特點比較鮮明、差異化的市場存在** - 在前端可視化能力比較突出的，在數據準備、數據源方面就會比較薄弱；在數據準備、數據管理方面比較突出的，在前端增強分析領域就略顯薄弱，各自都有各自的特點。
- **把握市場入口的 ABI 產品市場空間巨大** - 例如 Salesforce 把握眾多的企業客戶，手握兩條 ABI 重點產品 Einstein Analytics 和去年收購的 Tableau，包括 Microsoft 微軟海量的 Office 產品用戶，把握著眾多潛在客戶資源。

## [Google 無程式碼機器學習工具](https://www.ithome.com.tw/news/134117)
> Google在兩年前釋出了第一版的無程式碼機器學習工具Teachable Machine，讓人們開發人工智慧功能

Teachable Machine是一個**網頁工具**，讓使用者在不需要專業知識和撰寫程式碼的情況下，能簡單地為網站和應用程式訓練機器學習模型，Teachable Machine第一代可以用來辨識攝影機鏡頭中的物體，Teachable Machine 2.0擴充模型支援的資料類型，像是現在還**從圖像辨識人的姿勢**，或是**分類聲音**，並以**一鍵操作**的方式訓練模型，並讓用戶能輸出和部署模型到網站、應用程式甚至是實體機器上。

Teachable Machine背後應用了開源Javascript機器學習函式庫**Tensorflow.js**，因此用戶可以將訓練好的模型以Tensorflow.js格式輸出，在任何的網頁或是應用程式中呼叫使用，也能轉換成Tensorflow或是Tensorflow Lite格式。

除了輸出模型，用戶也可以下載Teachable Machine訓練資料，在其他專案使用相同的範例檔案，Google也提供簡單的專案儲存方式，用戶能直接將整個專案包含範例，以ZIP檔案儲存在用戶的Google Drive中，用戶可以隨時在Teachable Machine開啟，或是之後下載另做他用。

## [深度學習產業現況與應用案例](https://www.gigabyte.com/tw/Article/can-ai-replace-humans-5-minutes-to-understand-dnn-industry-and-applications-part-i)
> 雖然我們沒有發覺，但深度學習早已深入生活之中，舉例來說，我們已經習慣能流暢對話的**語音助理**、享受**自動駕駛**所帶來的方便性，並且驚豔於智慧型**手機攝影**時的影像演算法，相片內原本漆黑的城市頓時變成亮麗的夜景，這些令人激動的創新正不斷挑動人類對未來世界的嶄新想像。

早在數年前，許多最頂尖的公司投入了大量的資源開拓人工智慧領域的應用，在多年的努力下，深度學習技術被證實具有龐大的商用價值，這邊列舉深度學習目前的**三大主流應用**：
- **圖像辨識**（Image Recognition）
- 自動駕駛
- AI 拍照
- 影音過濾系統
- **自然語言處理**（Natural Language Processing）
- Google 語音助理
- Apple Siri
- Amazon Alexa
- **推薦系統**（Recommender Systems）
- Spotify
- Youtube
- 網路購物

雖然人工智慧技術尚未普及到各項產業，但如果要走在產業的前端，研究人工智慧的相關技術應用必須盡早開始，才能在技術成熟的時刻快速導入深度學習技術來強化自身產品的競爭力，如同絕大部分的新科技一樣，深度學習技術會隨著時間成熟，慢慢融入到我們的生活當中，協助人類更有效率完成繁瑣的日常作業，讓寶貴時間投資在更高價值的工作上。