企業如何有效提升人工智慧（AI）技能
著名國際管理顧問公司波士頓集團（Boston Consulting Group, BCG）今年稍早調查1,400名C級主管，絕大多數將AI和生成式AI ( GenAI）列為2024年的三大技術優先專案。其中66%的C級主管對AI的進展表示矛盾或不滿意；62%認為人才和技能短缺是他們面臨的最大挑戰，其次是投資重點不明確（47%）和缺乏負責任的人工智慧策略（42%）。
企業如何有效提升人工智慧（AI）技能 Read More »
如何優化單據辨識流程？交給LLM AI助理實現流程自動化！
在介紹IBM watsonx Orchestrate前，大家可以先觀看以下整合watsonx Orchestrate與IBM RPA的單據辨識流程自動化範例影片。
如何優化單據辨識流程？交給LLM AI助理實現流程自動化！ Read More »
重複工作「單據辨識」就交給AI！拆解 RPA 3 步驟，實現全流程自動化
其中部份自動化除了用到Python處理，絕大部份是用RPA工具來做到Low code的開發，如果對RPA還不熟悉的讀者我會再寫一篇文章專門介紹這項Low code且易上手的自動化開發工具。
重複工作「單據辨識」就交給AI！拆解 RPA 3 步驟，實現全流程自動化 Read More »
如何使用Python實做模型辨識功能？5大步驟教你轉成結構化資料
在經由下prompt讓模型辨識資料後，我們再逐筆將每個檔案的資料寫入excel中，其中會發現模型回覆的內容有些並沒有按造我們要求的順序及內容準確回覆，而這部份也是在實做時最需要花時間做調整的地方。
如何使用Python實做模型辨識功能？5大步驟教你轉成結構化資料 Read More »
如何挑選適合的自動化模型？3大AI模型一次比較
這些痛點歸因於無法與外部系統整合（大量分散、無規則），部分經人工規則化後的任務已可透過自動化模型和RPA完成作業。透過人工標記資料欄位，再經由OCR模型辨識，RPA將其整理成規則化的資料表單，進行自動化資料key in，有效提升部分人工作業效率。
如何挑選適合的自動化模型？3大AI模型一次比較 Read More »
為什麼我辦的企業培訓都不是公司要的？——從需求到設計的全面剖析
一、現況分析：企業培訓與公司需求脫節的現象 許多企業每年投入大量資金與時間在員工培訓上，但結果往往不如預期。參
為什麼我辦的企業培訓都不是公司要的？——從需求到設計的全面剖析 Read More »
GPT Canvas is here! Coding Easily
GPT Canvas is like a smart assistant that helps you write articles and design programming quickly, with real-time rewrites, suggestions, and bug fixes along the way. Next, today we’re going to look at the optimizations that programming has made in the interface to give you a quick overview of Canvas
GPT Canvas is here! Coding Easily Read More »
GPT Canvas登場！文組腦也能輕鬆寫程式
GPT Canvas就像是一個智能助手，能幫助你快速撰寫文章和設計程式碼，並在過程中提供即時的改寫、建議和錯誤修正功能。接下來，今天我們將介紹程式碼設計在介面中進行了那些優化，讓你快速認識Canvas：
GPT Canvas登場！文組腦也能輕鬆寫程式 Read More »
3分鐘快速理解流程探勘Process Mining是什麼？企業未來10年必須應用的流程優化趨勢
如何在數據驅動的時代中，迅速找出並優化這些流程，成為每位企業管理者的關注重點。而流程探勘 (Process Mining) 正是解決這些問題的關鍵技術之一。
3分鐘快速理解流程探勘Process Mining是什麼？企業未來10年必須應用的流程優化趨勢 Read More »
No matter how many pie charts are classified, you are not afraid of dazzle! Use Power BI to display the top N items to make the layout no longer crowded
In data visualization, pie charts are a common and intuitive tool for showing proportional relationships between different categories. However, when there are many categorical items in a dataset, pie charts can become too complex to read. This situation will not only confuse the report reader, but may even affect the interpretation of the data.