技術, 實作解析 無所不在的圖神經網路任務，手把手教你簡單預測A跟E是不是朋友？ 深度學習的任務總類非常多，但是依據資料類型分成以下幾種：如果是影像相關的資料，我們會使用基於CNN的模型；而序列型的資料，則會使用LSTM或Transformer；至於剩下的問題，通常會使用一般的NN。
技術, 論文快讀 如何將貨櫃裝得又滿又快？ICLR 2022 值得注意的裝箱演算法介紹 在物流業與製造業中，常會遇到材料分類裝箱，或是物品裝箱的問題，以往都是以人工方式排列，但這十分耗費人力，且不一定能排列最佳的裝箱方式。隨著人工智慧的興起，許多學者針對裝箱問題進行研究。
技術, 論文快讀 用AI找到最佳進場時間？以Transformer 預測台灣指數期貨上漲與下跌波段實做範例 在這個機器學習或AI蓬勃崛起的年代，各個領域都能運用到相關技術，金融市場正是其中一個熱門領域，每個人都想預測市場上各個商品的高點、低點，或是上漲或下跌的趨勢，更期待能應用於股市行情的預測上。
技術, 論文快讀 想提高模型準確性？試試利用CO-SNE降低階層結構資料的維度 在數據分析時，有一種資料類型是資料間具有階層結構（hierarchical-structure data），例如社交網路、RNA結構等，後續能應用在推薦系統、結構預測等議題上。這類資料通常希望可以在分析時，盡量保持原始的資料結構關係。如果讓很多維度的資料在降維後，仍然保持資料結構的關係，無疑可以大大提高模型預測的準確性。以下是UC Berkeley的Guo等人在2022年6月提出的新方法。
實作解析, 技術 讓AI幫你穿搭！用CLIP實作一個時尚穿搭資料庫 近年來，深度學習除了在單一領域，如電腦視覺、自然語言、語音處理都開創了一片天外，也開始朝向multi-modal learning的方向發展。Multi-modal意指整合多於一種的資料類型共同學習，有點像是幼兒在探索世界時，會同時接收到視覺、聽覺、觸覺…等多種感受刺激，使其能更了解一些概念的不同面向，例如白兔有著大耳朵與短尾巴，摸起來毛茸茸等概念。
論文快讀, 技術 跨語言也能自由溝通?Meta AI讓翻譯系統不依賴文字生成就能完成 你知道這個世界上有超過 40% 的語言沒有完整的文字系統嗎？ 那這些沒有文字的語言要如何進行翻譯？ 有沒有什麼方法能越過文字，直接對語音做翻譯呢？
技術, 論文快讀 強AI來了？DeepMind新推通才代理模型Gato 在近期的 AI Research，我們在弱人工智慧(Artificial Narrow Intelligence) 領域中，不斷推陳出新、突破天花板、創造新的演算法。我們針對任務收集相關知識下的資料，並訓練其模型。同時造就了各個領域及行業中的 AI 工程師，但你有沒有曾經想過，未來會有一個 AI 模型能夠分析所有任務，回答你所有問題，取代掉數個領域的 AI 模型呢？
論文快讀, 技術 Transformer會是最強的視覺辨識模型？要不要試試新設計的CNN模型 CNN是近年來圖像分類任務中大家的優先選項之一。從2012年的AlexNet開始至今，許多學者相繼針對CNN based模型進行改進。近年來除了大家耳熟能詳的ConvNet based模型外，包括GoogleNet、ResNet等，也開始引進在NLP任務中大獲成功的Transformer架構，如：Swin Transformer。
論文快讀, 技術 想提升點擊次數或瀏覽時數? 騰訊用PLE模型精準推播 推薦系統在生活中無所不在，可以被應用在社群媒體推播、網頁搜尋內容呈現、電商商品推薦等。這樣的系統可以提升用戶的黏著度，更可以為企業帶來收益，對於追求實效的業界來說，在推薦系統上的研發與創新層出不窮。
