到底要如何才能轉職Java工程師?這篇文章或許可以給你一些想法!
- 6月 09 週二 202000:10
原來是因為多年前的這個決定讓我成為Java工程師!
到底要如何才能轉職Java工程師?這篇文章或許可以給你一些想法!
- 6月 08 週一 202023:58
賺到啦!今天一次送你6個HTML5電子書的翻頁效果!
- 6月 04 週四 202021:02
遇到AI和機器學習,到底要選Python還是R語言?(下)
上篇講完對Python的分析,R語言的分析將在這篇介紹給你!
R語言
R 語言是由統計學家所開發的。任何開發人員只要看一下語法，就能分析、預測。由於該語言包含了機器學習中涉及的數學計算，而機器學習是從統計學中衍生出來的，因此對於希望能深入理解底層細節、構建創新的正確選擇。
如果你的工作需要深入觀察，像是檢驗數據集之類，Ｒ可以替你縮小工作範圍，是最佳選擇。
R 的優勢
適用於分析：如果你的工作需要大量的檢驗數據，R 就是你的最佳選擇，因為它可以快速建模，並與數據集一起搭建 AI/機器學習模型。
大量實用的函式庫和工具：與 Python 類似，R 也有不同的封包，可以提升機器學習模型的結果。例如 Caret 包就支援 AI人工智慧應用，助於有效地建立預測模型。R 開發人員可受惠於這些數據分析包：因為這些封包中包含了針對建模前後階段的特定任務，如模型驗證或數據可視化等。
適用於探索性工作：如果你需要在項目開始的階段，在測量模型中進行探索性研究時，若使用 R 語言，僅僅只需添加幾行代碼即可完成。
R 的缺點
較難學，且不容易寫好。身為弱型別（Ｗeak typing）的程式語言，函數經常會回傳預料之外的物件種類。
與其它的語言不同，R 是從 1 開始，不是 0 開始。
結論：
R 和 Python 在機器學習上，都有各自的優勢。最好的辦法便是將兩者運用在各自擅長的項目中，互相搭配使用。
建議：一開始我們可以使用 Python 進行資料彙整的階段，再將資料丟到 R 做數據檢驗。
按照這些思路，之後可以將 R 用作 Python 的庫或將 Python 用作 R 的預處理庫。
本篇為下篇，上篇請點此連結
相關閱讀推薦：
遇到AI和機器學習,到底要選Python還是R語言?(上)
零基礎如何走向Python進階之路?撇步都在這!
靠人工智慧做出你自己的番茄鐘?Python是關鍵角色!(上)
人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係？
AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？
捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計
為超越MotoGP冠軍VR46而生：人工智慧重機賽車手MOTOBOT
- 6月 03 週三 202021:00
遇到AI和機器學習,到底要選Python還是R語言?(上)
Python和R語言,兩個的實力簡直不分軒輊,那到底哪個適合人工智慧和機器學習?上下兩篇一篇都不能錯過啊!
要是你想要建構一個機器學習的專案，但是又卡在不知道該使用Python 還是 R 語言，恭喜你，你現在看到對的文章了！
這篇文章不只是讓你了解到 Python 與 R 語言的不同，同時也會知道哪個程式語言在多方面都比較佔優勢。現在就讓我們一起深入研究吧！
Python 與 R 語言都具有相同的功能，且是數據科學家間非常熱門的工具。約有 69% 的開發者在人工智慧上使用 Python 語言，R 語言則只佔了 24%。兩者都是免費開源的程式語言，不過 Python 被建構成一種可廣泛使用的程式語言，而 R 語言則是為了統計分析而造。
推薦閱讀：Python 與 R 語言之戰鹿死誰手？盤點 5 個即將消失的程式語言!
人工智慧（AI）與數據分析，是真正可以開源創新的兩個領域。Python 與 R 語言都創造了強大的開源設備與函式庫的環境，可以幫助不同能力水平的數據科學家更有效率的執行工作。
機器學習與數據分析之間的區別，相對來說比較模糊。但是一般認為，機器學習在模型可解釋性上著重在預知的準確程度；而數據分析則著重在事實的推測。 在預知的準確度上，Python 可是有口皆碑的；R 語言則擅長於事實推論與靜態推論。
推薦閱讀：AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？
這並不代表我們要將這兩個語言歸為一類 —— Python 完全可被應用為數據分析工具；而 R 語言則可以完成機器學習中的一些大工程。
其實兩種語言都有許多能使其達成對方優點的函式庫與封包：像是 Python 有能進行測量後歸納的函式庫；Ｒ語言則有增強預測準確度的封包。
接著，我們將會分成上下兩篇，深入說明兩種語言，可以大大地幫助你針對自己的專案，使用合適的語言！
Python 語言
Python 程式語言誕生於 80 年代末期，承擔了推動 Google 內部框架的重責大任。Python 被一群熱情的程式設計師所擁護著，也被廣泛應用在 YouTube、Instagram、Quora 和 Dropbox。Python 也全面被應用在 IT 產業以及開發團隊中的基礎建構。因此若你需要的是一個多工的程式語言以及大量可擴展的 AI 函式庫，Python 是首選。
Python 的優點
多功能 — 如果你的企業需要的，不只是測量與統計數據的功能，Python 便是首選，例如你需要設計一個功能強大的網站。
平滑的學習曲線 — Python 其實並不難學，還能幫助你短時間內找到熟練的開發人員。
大量的重要函式庫 — Python 以擁有無數的數據組裝與控制函式庫聞名。以 Scikit-realize 為例，它包含了資料探勘與和調查的工具，讓使用 Python 時，增加了超乎想像的 AI 便利性。另一個函式庫 Pandas，給予工程師無可比擬的結構與資訊評估工具，減少了改進的時間。如果你的開發團隊需要 R 語言的其中一個主要功能，則可以使用 RPy2。
更好地整合能力 — P大致上來說，在任何的開發場合，Python 的兼容性比 R 還好。無論是否使用如 C、C++ 等較低階的語言來開發，都能透過 Python 包裝連接更好的組件。而且，讓數據研究人員的將一個基於 Python 建構的函式庫，串接到其他需要完成的工作也很容易。
提高生產力 — Python 語言，比起 R 語言可讀性特別高，幾乎如同人類平時交談用的方言，因此也能提高開發團隊的生產力。
Python 的缺點
缺少公共儲存庫，也沒有某些可選的 R 專用庫。
由於是動態組合，在某些情況下，Python 還是會造成一些計算錯誤，而這些導致錯誤的因素又不能太確定。
本篇為上篇，下篇請點此連結
相關閱讀推薦：
遇到AI和機器學習,到底要選Python還是R語言?(下)
今天要介紹Python的三大用途給你,你就知道它到底有多實用!
Python可是你不能不了解的傳奇!有多好用?看這篇就知道~
人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係？
AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？
捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計
為超越MotoGP冠軍VR46而生：人工智慧重機賽車手MOTOBOT
- 6月 02 週二 202020:57
透過學習,人工智慧也能做出屬於自己的威士忌了!(下)
學習速度超快的人工智慧加上人類的教導,這威士忌得來不易呢!
術業有專攻 調酒師與 AI 合作找出大家都愛的威士忌
沒有味蕾的 AI 當然無法憑空想出釀酒配方──於是首先要替 AI 找個師傅，將他靈敏的嗅覺、味覺與經驗傳承給 AI。
「AI:01 Intelligens」的師父就是麥格瑞酒廠的首席調酒師 Angela D'orazio。
Angela 從 2004 年就開始在麥格瑞工作，隨後升任首席鼻子官（chief nose officer）。這個看似玩笑但貼切的稱號，因為媒體不斷的報導，成為 Angela 的第二個頭銜。
Angela 在 2019 年入選威士忌名人堂，這是專為威士忌產業界傑出代表人士致敬所設立之最高榮譽，每年僅頒發給2-3位對威士忌產業具有重大貢獻與影響力的領導人或調酒師。
即使 AI 沒有這位首席鼻子官敏銳的嗅覺、味覺、創意與 10 多年的經驗，但人工智慧的優勢在於可以短時間處理大量資料數據，根據演算法也可能發現出一些原先人工沒有想到的配方。
Angela 在 2019 年入選威士忌名人堂，這是專為威士忌產業界傑出代表人士致敬所設立之最高榮譽，每年僅頒發給2-3位對威士忌產業具有重大貢獻與影響力的領導人或調酒師。
▲ 麥格瑞將過去受歡迎酒款的數據全輸入進 AI 中，期待能找出熱銷的玄機。
Angela將自己擁有的威士忌知識，毫無保留傳授給 AI，像是：如何挑選橡木桶、桶型大小、陳年的黃金時間、風味的資料庫，以及得獎的酒款資訊。除此之外，麥格瑞酒廠也將從1999年以來所生產的七十幾款酒交由人工智慧分析，包含調配比例、客戶意見回饋、網路評論等，包含麥格瑞酒廠 19,000 個私人包桶數據。
這些龐雜紛亂的原始數據，在經由 AI 分析後，得到了幾組會產生最佳威士忌的配方，這些配方最後經過調酒師人工審核、淘汰篩選後，留下五種「最佳配方」，經過Angela的品鑑分級，最終才完成了 AI:01 Intelligens 這款作品。
AI 生產，人類策畫
那麼大家都想知道的是：這款人工智慧酒嘗起來到底是如何呢？獲頒全球威士忌界最高榮譽「蘇格蘭雙耳小酒杯執持者」（The Keepers of The Quaich）的台灣飲食旅遊作家葉怡蘭表示：
「香氣極雅，洋溢香草、椰子、青草、洋梨、蘋果與粉嫩花香；口感柔和秀逸，餘韻略短，隱隱流露過往 Mackmyra 留在我印象中的高緯度地帶冷冽韻致。」
同時她也提出質疑：人之喜好與風味此事究竟是否可由演算決定？
不過，沒有首席調酒師 Angela D'orazio 多年的專業經驗，AI:01 Intelligens 這款酒也無法擄獲世人的心。一如台灣的人工智慧咖啡師「iDrip」，也是師法於全球多位得獎咖啡師，才能完美再現世界冠軍的手沖咖啡。
推薦閱讀：手沖咖啡不求人 AI人工智慧咖啡師「iDrip」立馬為你泡冠軍咖啡
麥格瑞酒廠也表示，他們相信的是 AI-generated, human-curated（AI 生產，人類策畫），AI 就算能透過演算法找出最多人會喜歡的威士忌，但是仍是需要由人類主導這一切，引進人工智慧並不是為了取代釀酒師。
最強大的工具，依然需要優秀工匠來製造、調校，因此還是努力去成為那卓越 AI 的創造者，才能超越 AI。
本篇為下篇，上篇請點此連結
相關閱讀推薦：
透過學習,人工智慧也能做出屬於自己的威士忌了!(上)
AI界就少了他就不一樣了!-台灣人工智慧學校執行長陳昇瑋辭世!
想知道AI對環境會有何用處?看完這篇就知道了(下)
人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係？
AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？
捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計
為超越MotoGP冠軍VR46而生：人工智慧重機賽車手MOTOBOT
- 6月 01 週一 202020:50
透過學習,人工智慧也能做出屬於自己的威士忌了!(上)
這首支人工智慧釀的酒,是什麼味道?它又是如何釀造的?
微軟也要搶攻釀酒市場？！原來他們是要與瑞典威士忌釀酒廠麥格瑞（Mackmyra）聯手合作，開發史上第一款人工智慧 釀造的威士忌！
但是沒有味蕾的 AI人工智慧，要怎麼學會挑穀物、選橡木桶、安排蒸餾…等等專業釀酒師的獨門功夫呢？
微軟身為科技巨頭，大家都知道，他們一直以來不斷嘗試各種領域的創新，這回與瑞典威士忌釀酒廠 Mackmyra、芬蘭科技公司 Fourkind 合作，開發出結合 AI 的威士忌，在 2019 年，成功推出史無前例的人工智慧酒款「AI:01 Intelligens」，並且勇奪美國蒸餾酒協會的兩項大獎！
等等！這到底是怎麼辦到的？在了解 AI 如何釀出酒前，不妨讓我們先認識一下－釀酒師的十八般武藝！
▲ 全球第一款人工智慧打造的威士忌「AI:01 Intelligens」打敗其他真人釀的競品，勇奪美國蒸餾酒協會的兩項大獎
橡木桶的小宇宙 威士忌釀造學問大
威士忌的釀造過程大致上可以分為：發麥、糖化、發酵、蒸餾、入桶、窖藏陳年、裝瓶。
其中每個步驟，都需要釀酒師從中調整，例如：挑選穀物的種類、麥芽的烘乾方式、木桶材質與尺寸、採用烘烤或燒烤，氣溫的波動、陳年時間的長短等，都是決定威士忌風味的關鍵。
此外，有的酒款透過採用「二手桶」提升威士忌風味的層次與變化。但若要「過桶」添加更多的風味元素，要選擇波本桶還是雪莉桶？或是混調這兩種不同木桶陳年酒？陳放時間也沒有正確的答案，只能依靠釀酒師認定的巔峰時刻裝瓶。
從穀物發酵到蒸餾熟成，每一道製作過程看似微小的差異，卻能層層堆疊出風味迥異的威士忌。這款征服全世界人味蕾的飲品，背後暗藏的秘辛蘊含科學原理，更是釀酒師的獨門秘技。
但是這些元素要如何搭配，才是好喝、受歡迎的威士忌配方？除了依靠釀酒師的專業判斷，過去往往都認為需要靠「運氣」。而人工智慧的到來，正好替酒廠解決這個難題！
- 5月 28 週四 202000:30
被愚弄的AI人工智慧,總算有人要出手相救啦!(下)
所以解救AI人工智慧的到底是誰?又是靠著哪些方法逼退駭客?
捷克 AI 新創成金融駭客剋星 助企業找出資安新解方
有鑑於此，捷克一家新創公司「Resistant AI」開發一套機器學習技術，專門抵擋對抗式機器學習、竄改樣本、目標性操弄等等攻擊。
Resistant AI 目前主要提供兩項產品：
1. 文檔防禦（Resistant Documents）
駭客會偽造或更換銀行對帳單、購買收據、薪資單或 KYC 文件（Know Your Customer）的名稱等等「良性文件」，欺騙人工智慧所驅動的認證系統、逃過檢測，藉此成功開啟銀行帳戶，或是讓自動處理系統批准借貸。
而「文檔防禦」是讓機器學習系統拒絕自動處理過程中遭遇的可疑文檔，並標記出所有惡意或可疑的來源。
2. 交易防禦（Resistant Transactions）
深度學習系統的測試，經典方法是收集大量人工標註好的數據，來評估系統的準確性。然而很難輸入未來所有可能發生的數據，也就無法得知系統的每個反應是否符合邏輯。並且只要將輸入的數據添加微小干擾，就可以欺騙深度學習系統，讓系統「核准」惡意數據。
「交易防禦」就是用 AI 偵測可疑的交易行為，例如當有付款、轉帳或是申請信貸等請求時，交易防禦系統就會進行統計性的檢查，若確實辨認出有問題的請求，就會阻止交易，保護系統模組內資訊不被偷取，也能防止系統受到誘導而做出錯誤的決定。
Resistant AI 的創辦人兼 CEO Martin Rehak 在資訊安全領域工作超過 12 年，他表示：駭客對於 AI 系統漏洞的破解技術已經越來成熟，這也讓啟發他跟他的團隊創立現在的 Resistant AI 來提供解決方案。公司當前的目標客戶是金融企業、金融科技新創，與在金融交易過程中採用AI的公司。
Resistant AI 於 4 月底進行種子輪融資，獲風險投資公司 Index Ventures 及 Credo Venture 領投，成功籌集 275 萬美元資金。
讓我們「以AI之矛，攻AI之盾」！
AI 人工智慧的發展固然大幅提高人們的生活品質，但同時也要清楚認識到科技的兩面性！要知道，科技僅僅是工具，水能載舟、亦能覆舟，若遭到有心人惡意利用也會產生負面影響。正如 AI 可以被用於詐騙，也可以被用於反詐騙，利用技術的方式不同，帶來的影響當然也不同。
因此，在面對一項科技時，除了理解、學習、使用之外，更要進一步超越它——努力成為卓越 AI 的創造者，才能不被 AI 所掌控。
推薦閱讀：AI 產業革命開始！為何 Python 成人工智慧必備語言？
- 5月 27 週三 202000:21
被愚弄的AI人工智慧,總算有人要出手相救啦!(上)
AI人工智慧充斥著生活,如果連它也被愚弄了,豈不是很危險?放心,現在有辦法了!
隨著科技浪潮來襲，金融產業也積極佈局，除了如區塊鏈、虛擬貨幣和 P2P 等新型交易模式愈發興盛外，傳統銀行的許多交易手續、分析工作也都交由人工智慧運籌帷幄。
但，導入 AI 不僅影響金融機構本身，虎視眈眈的駭客也馬上跟進，開發出特別針對人工智慧的攻擊手法。
而一家捷克新創公司 Resistant AI 找到了解決辦法──用 AI 反擊欺騙 AI 的網攻！
金融業 AI 應用夯 8 成以上交易由程式自動執行
▲ Fintech 金融科技市場中的 AI 人工智慧品牌（圖片來源：cbinsights，如有侵權請告知）
金融業是幾個快速導入 AI 的產業之一，且因長期的監理要求，金融業的數據資料保存完整有序，AI 導入較為容易；一方面也是為了因應快速成長的數位通路需求。
玉山銀行科技長陳昇瑋就表示，目前全球股市觀察，已經約有 8 至 9 成的交易都是以程式執行的，而全球十大對沖基金中，有 6 個已導入 AI 協助交易，代表現在，人工智慧 已在證券交易占有一定的份量。除了證券交易，AI 也被用在產業分析，拿來預測股價。
但與此同時，別忘了，駭客也在與時俱進中！他們正瞄準著 AI 和機器學習的弱點，展開新型態的網路攻擊，導致金融組織或企業面臨巨額損失、機密資料或客戶資料外洩的風險。
駭客故意餵錯誤資料 誤導 AI 原來這麼簡單！？
AI 固然好用，但當然也不是萬靈丹，並且還有可能變成攻擊目標！
駭客若部署對抗式機器學習（Adversarial Machine Learning）找出機器學習模型的弱點，在訓練資料中參雜惡意樣本與駭入後台干擾參數，就能有迅速破壞 AI 運作！
推薦閱讀：美國將 AI 納入軍用!到底人工智慧會成為人類救星還是殺人機器?
趨勢科技全球安全研究副總 William Malik 也曾談過：「其實演算法是很粹弱的，很容易因為訓練資料被動手腳，導致要辨識動物的影像 AI 將長頸鹿辨識為單車。」因為 AI 不像人類，不是看整體而是「盯著」細節的部分，這些重要的細節被更動，AI 就會出狀況。
假若不幸遭到入侵，訓練資料被惡意加料，辨識模式被蓄意誤導，然後最後演算法在市面上佈署，就算是資安公司也可能會中招，讓 AI 反而成為欺騙防毒軟體的利刃。
- 5月 26 週二 202000:07
人工智慧.Python.機器人和大數據,之間的關係到底多曖昧?
你對Python熟悉了嗎?若還沒,這篇讓我們從它身邊的好夥伴下手!
什麼是人工智慧？
▲ 人工智慧、機器學習與深度學習之間的關係比較圖（圖片來源：騰訊xw.qq.com）
「人工智慧」，又被人們稱「人工智能」，英文為「Artificial Intelligence（縮寫為 AI）」簡單來說就是：任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技；更具體一點的說法，人工智慧是一種可以感知、學習、推理、協助決策，並採取行動幫助我們解決問題的科技。
1980年代約翰瑟爾(John Searle)，提出對「人工智慧」分類方式:
- 強人工智慧(Strong AI) : 機器能具有與人類相同完整的認知能力。
- 弱人工智慧(Weak AI) : 機器不需要具有與人類相同完整的認知能力，只要設計得看起來像具有智慧就即可。
機器學習
機器學習是人工智慧的分支之一，也是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。
機器學習理論，主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來，並利用此規則對未知的資料進行預測的演算法。
機器學習是第三波人工智慧發展的代表技術；而在眾多機器學習演算法中，深度學習（多層次類神經網路的代稱）是近幾年成長最快、表現最亮眼的技術。
深度學習
深度學習也是機器學習演算法的一種，可說是人工智慧中成長最快的領域了！
「深度學習」是模擬人類神經網絡的運作方式，只要懂得定義問題，有足夠質量的資料以及轉化為模型的能力，幾乎可以應用在任何決策問題上～雖然不見得都有準確的預測能力就是了。
不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷，現在都是以深度學習來做的！
Python 與人工智慧的關係，到底有多密切？
Python 可說是 AI 領域最多人使用的程式語言了！主要原因之一是因為它有大量的資料庫，讓用戶可自由地套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布，包含預先編寫好的程式片段，讓 AI 開發人員不需要從頭開始編寫程式。
機器學習與深度學習都需要連續的數據處理，Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫，它允許快速計算和原型設計，因為它除了使用計算機的 CPU 之外還使用 GPU。
其他與人工智慧、機器學習、深度學習有關的八個函式庫，請見此篇文章：連 IBM 都推！入行 AI 人工智慧必學 Python 的8大理由
推薦閱讀：AI 產業革命開始！為何 Python 成人工智慧必備語言？
- 5月 25 週一 202023:59
別擔心不了解Python之外的"相關成員",今天一次讓你入門!
Python.AI.機器學習.深度學習.這些看起來相似的名詞,各個代表著什麼意思?
在媒體報導人工智慧 （AI）、機器人（Robot）未來可能會取代我們的工作時，我們又看到坊間有教人工智慧技術的機構，又端出一堆名詞如大數據（Big Data）、Python 程式語言……，還有深度學習等等。那到底這些名詞中間又有什麼關聯？這篇以問答方式一一幫你解答
推薦閱讀：AI 人工智慧來了！你的未來何去何從？學好 Python 是正解
人工智慧、機器人，是同一個東西嗎？
相信大家都看過有關機器人的電影，都把機器人描述的很厲害，甚至比人類還強！沒錯，這些機器人很賴害是因為他們裡面被導入了「人工智慧」
推薦閱讀：5 部電影告訴你：AI 時代來臨，是否對人類造成威脅？
「人工智慧」，又稱「人工智能」，英文為「Artificial Intelligence（縮寫為 AI）」白話點來說，就是：任何讓電腦能夠像人類般思考、表現出類似人類的行為」的科技；更具體一點的說法，人工智慧是一種可以感知、學習、推理、協助決策，並採取行動幫助我們解決問題的科技。
推薦閱讀：妻子機器人在日本大賣？假的！但本尊也是會說笑的 AI 美人
為何有些人工智慧會比真人還厲害？
日前，AI 甩尾，角度精準過方程式車手的消息；還有 AI 雀士在網路上打日式麻將打過一拖拉庫真人的訊息、⋯⋯究竟人工智慧是怎麼學習的？又為何會比真人厲害？
推薦閱讀：AI 又贏了？人工智慧「Suphx」打敗人類麻將高手！
AI 學習事物其實與人類學習事物的方法相仿，就是所謂的機器學習及與深度學習。
機器學習理論，主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析而歸納出規則來，並利用此規則對未知的資料進行預測的演算法。
而「深度學習」又是模擬人類神經網絡的運作方式，只要懂得定義問題，有足夠質量的資料以及轉化為模型的能力，幾乎可以應用在任何決策問題上，雖然不見得都有準確的預測能力。不過目前常見的 Google 語音辨識、文字翻譯、照片分類、自動回信、垃圾郵件判斷，現在都是用深度學習來做的。
推薦閱讀：AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？看這一篇就對了！
搜集大數據讓AI去做機器學習，加上不同的演算法，接著，登愣！成就了不同專長的AI?
餵給 AI 正確的大量資料（大數據），加上好的大腦（演算法），AI 才能做出正確的判斷。
各種領域都應用了不同功能的人工智慧，如醫療、教育、製造、理財及自動駕駛等，就如同每個人擅長的領域都不一樣：有的人擅長賽車、有的人擅長分析、有人善於醫療等等。
推薦閱讀：台灣研發 AI 走進加護病房，預測敗血症準確率達八成五
演算法的不同，會深深影響 AI 的思考與學習模式，好的演算法可以製造出卓越的人工智慧。例如甩尾角度比人類還精準的 MartyKHANA AI！
推薦閱讀：AI 甩尾媲美 Ken Block、屌打玩命關頭？方程式冠軍嘆：要失業了⋯⋯
反之，不好的演算法會讓 AI 判斷錯誤。
2016 年發生了全球首例 Tesla 自駕車撞上大貨車的意外，乃因 Tesla 的自動駕駛系統，無法辨識在強烈日照下而有反光的大貨車，因此未能即時做出煞車判斷。因為此演算法從未學習過這類大數據。
Python 與 人工智慧的關係？
Python 是目前人工智慧領域最被廣泛使用用的程式語言
因為 Python 的語言簡單好懂、就像是使用人類的語言在與電腦溝通一樣，加上跨平台的性質，操作方便快速，因此已有許多工程師使用其語言發布大量與人工智慧、機器學習、深度學習領域相關的資料庫，讓用戶可自由套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布，包含預先編寫好的程式片段，讓 AI 開發人員不需要從頭開始編寫程式。
機器學習與深度學習都需要連續的數據處理，Python 的函式庫則可讓你取用、處理、轉換這些數據。例如應用於深度學習的 Keras 函式庫，它允許快速計算和原型設計，因為它除了使用計算機的 CPU 之外還使用 GPU。
其他與人工智慧、機器學習、深度學習有關的八個函式庫，請見此篇文章：連 IBM 都推！入行 AI 人工智慧必學 Python 的8大理由
推薦閱讀：AI 產業革命開始！為何 Python 成人工智慧必備語言？
相關閱讀推薦：
24個建議讓我的Python之路更加順遂!
就是現在!快來自學Python的數據類型!
靠人工智慧做出你自己的番茄鐘?Python是關鍵角色!(上)
AI 產業革命開始！為何 Python 成人工智慧必備語言？
連 IBM 都推！入行 AI 人工智慧必學 Python 的8大理由
AI 重機車手 MOTOBOT - 專為超越 MotoGP 冠軍 Rossi 而生
AI人工智慧將如何衝擊你的未來?還是學好Python吧!
