智動化科技 - AI

以科技力量提升效率巡檢工作走向智慧化 (2020.08.27)
過去的巡檢方式主要是透過人力，透過科技的力量，無論是人工或機器人作業，智慧化都可讓此工作的效率更佳。

促進工作負載整合成效 (2020.08.17)
工作負載的整合，也就是把工廠內部多個單一作業負載的機器匯整成數量較少的「全能」裝置概念，具有不勝枚舉的諸多好處。

數位分身在工業應用大顯身手 (2020.08.05)
數位分身被視為工業4.0的關鍵技術。透過對設備與機具的深度模擬，將能進一步降低管理人員的負擔，提高整體管理的效能。

AI醫學影像前瞻技術探勘 (2020.07.20)
AI導入醫療流程需要更大規模的流程整合，如何將AI技術延伸至診療流程的前置處理與後期判讀極為重要；而在AI導入的過程中，亦需適時地創造新的服務加以協助。

雲端服務需求激增數據機房面臨綠色能源挑戰 (2020.06.09)
目前日益依賴數位技術的社會，突顯了決策者在極端條件下，更需要仔細評估靈活性資源的潛在可用性的需求。

人工智慧長驅直入邊緣運算漸成產業主導要素 (2020.05.15)
隨著運算資源成熟，邊緣運算將成為所有產業和應用的主導要素。特別是機器人等各種複雜的邊緣裝置，都將加速此一轉變。

Edge MicroDC—邊緣運算微型資料中心發展趨勢 (2020.04.30)
邊緣運算微型資料中心（Edge Micro Data Center）採用分散式系統，在介於終端設備與雲端運算的位置之中，扮演數據緩存、過濾等「預處理」功能。

工程師必須關心的2020年AI/工業4.0關鍵趨勢 (2020.03.27)
科學家和工程師能藉由專業領域知識在AI專案取得某種程度的成果；然而，若利用如自動標記等工具來快速地處理龐大、高品質的資料集，將是進一步成功的關鍵。隨著取得了現有深度學習模型與研究並加以持續改進，科學家與工程師得以在人工智慧（AI）專案得到更大範圍的成果

智慧製造浪潮襲來 HMI角色重新定位 (2020.03.27)
HMI發展已久，過去功能僅聚焦在機台控制與運作狀態顯示，但在智慧製造概念下，HMI的角色被重新定義，其架構也必須再次進化。

工業機器視覺：提高系統速度和功能，同時提供更高簡捷性 (2020.03.11)
速度更快，性能更好的機器視覺是邁向下一世代工業自動化，無人駕駛汽車和智慧城市管理之主要手段。

甲骨文預測：2020-2025年十大雲端趨勢 (2020.03.05)
甲骨文預測，90%的手動IT操作和資料管理任務將在2025年完全自動化，工程師將有更多時間發展人工智慧和機器學習等先進技術。

5G時代與AI邊緣運算結合倍速實現智慧製造 (2020.03.03)
當5G加上AI邊緣運算，對於工業互聯網中的智慧製造將產生顯著的影響。

機器學習開啟行動裝置大規模運算新革命 (2020.02.11)
在機器學習的案例中，最具挑戰性的是多媒體強化功能。而大規模運算將成為行動運算晶片開發人員所面臨的最大挑戰。

克服導入障礙讓工業物聯網效益浮現 (2020.02.04)
工業物聯網被視為製造業未來的趨勢，不過要順利導入系統，讓效益如期浮現，必須克服各種問題，製造業者可善用設備廠商的解決方案，降低導入的難度。

嵌入式系統朝向數據為核心的設計架構 (2020.01.31)
身處在AIoT時代，嵌入式系統至少會有兩個發展趨勢，一個就是應用的數量，另一個就是人工智慧功能的運用，以因應更多對於影像等數據的處理需求。

伊頓以電源管理三大策略協助佈局企業轉型2.0 (2020.01.15)
回顧2019年，貿易戰的洗牌讓製造業面臨著全球大遷徙的變動。台灣不僅身在全球貿易地緣的要角，更因卓越的製造技術與人才，讓國內外大廠接續加碼投資台灣。而全球環保意識的抬頭，國際大廠陸續要求供應鏈需供應100%綠電；台灣再生能源發展條例即將上路，都充分證明能源與電力轉型迫在眉睫

因應AIoT需求嵌入式系統強化資料處理與儲存效能 (2020.01.09)
資料的運算與儲存，向來是嵌入式系統的設計重點。在AIoT架構中，這兩大重點也需再度強化，以因應智慧化系統需求。

物聯網掀起智慧浪潮嵌入式產業展開新局 (2020.01.08)
導入物聯網已成為產業趨勢，作為物聯網架構最重要的嵌入式技術也贏來前所未有的榮景，要掌握即將而來的龐大商機，業者除了要強化自身軟硬體能力，還需具備異業合作能力，方能站穩市場

《Fjord趨勢2020》報告 (2020.01.03)
埃森哲（ACN）發佈《Fjord趨勢2020》報告指出，在經歷了業務和利潤快速增長的空前順境後，各大企業逐漸意識到深刻自省的必要性。在新十年的開始，企業必須全面考量內部戰略，重新審視企業自身的使命以及對整個世界的影響

利用深度學習分析衛星雷達影像 (2019.12.18)
本文敘述從Kaggle競賽學到最佳的構想，並且使用MATLAB及卷積神經網路（CNNs）來實現該構想，接著去建構能夠實際操作使用的軟體。