實作解析

在科技不斷進步的時代下，數據量也逐漸龐大，資料呈現也成為數據分析不可或缺的一環，透過視覺化圖表的呈現可以有效傳遞數據分析想要表達的觀點和結果，本篇要介紹的是如何使用python視覺化函式庫Matplotlib來繪製視覺化圖表！

在經歷了網紅假造名人不雅影片、烏克蘭總統投降假聲明…等等重大社會事件，Deepfake 這個名詞已經走入大眾的視野。Deepfake 背後的技術本來是科研的一大成果，卻變成被用於犯罪的工具？有沒有分辨的可能？

不論是資料分析或是建模，往往需要針對資料進行諸多處理，在 python 中最常使用的工具非 Pandas 莫屬。相較資料庫更方便，不需要處理完後再導入；跟 Excel 比起來效能更好、更靈活多元。本篇將以 Kaggle 提供的 QS World University Rankings 2017–2022 資料集做技巧展示，就一起來看看 Pandas 中有哪些必會與實用的功能吧！

影像任務是目前人工智慧應用中，表現十分突出且被廣泛使用的一塊，最常見的三大任務分別是影像分類、物件偵測及語意分割。所謂的影像分類指的是，將一張圖片輸入AI模型後，模型會將圖片進行分類並輸出結果。

在數據分析的領域中，我們常使用到的工具包含SQL、SPSS、Python等程式語言，而接下來的整個系列裡，數據領航員會以Python的角度帶大家切入主題作探討。

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。

什麼是BERT？BERT是Google團隊在2018年提出的預訓練語言模型，並在自然語言處理（Nature Language Processing, NLP）領域中掀起一陣炫風。本篇文章將針對BERT的機制、如何應用BERT解決NLP問題、BERT的模型可解釋性三大部分進行介紹。

大數據、雲端、人工智慧、穿戴式裝置等技術發展與實驗成果陸續發表，許多醫療服務因為AI導入而產生變化，例如遠距視訊看診、健康存摺、個人健康分析等，智慧醫療的興起正為生活帶來創新改變。醫療產業如何透過AI應用結合保險一直是業界關注焦點。

車牌作為汽機車的身分證，車牌辨識在門禁、執法與行駕等情境中非常重要，其技術需要很多代表性的車牌作為訓練集，但是車牌影像取得不僅困難、還有隱私的考量。那麼，我們能不能利用cycleGAN相關的image-to-image技術，以及使用styleGAN相關的image generation技術等，合成出逼真的車牌影像增加資料的豐富性？