中央存保建置純網銀監理系統強化流動性風險管理，存款交易無法執行或跨行專戶餘額不足2異常系統將自動示警通報
甫從中央存款保險公司董事長轉任保險安定基金董事長的林銘寬，近期在一場金融科技論壇中，分享了純網銀流動性風險管理機制。由於純網銀是24小時營業，在不能設立任何實體分行的限制下，使得所有交易全程必須在網路完成，為此，金管會對純網銀流動性風險的管理更為重視，特別是夜間與假日流動性風險的監控與因應。

在此前提下，金管會委託中央存款保險公司（CDIC）開發一套純網銀監理系統，並以 API串接來蒐集純網銀的2類監理資料，包括即時通報與定時申報資料。

林銘寬表示，在定期申報資料的自動化報送機制，純網銀監理系統運用API介接，讓純網銀可透過自動化方式定期申報相關資料，申報頻率包括每日、每周、每半個月、每月，比如說，純網銀每日需申報即時存放款資料、流動準備比率等資料。

另一個是即時流動性警訊監控機制，他舉例，當有一筆存款交易超過10分鐘尚未執行，或者當跨行業務結算擔保專戶餘額不足等情況發生時，系統會自動偵測異常並進行示警通報，包括金管會、中央銀行、中央存保等監理機關的監理人員，都會透過手機簡訊與Email即時收到通報訊息，以便在第一時間掌握問題並採取因應措施。

此外，中央存保建置了新的數據倉儲系統，數據來源包括儲存在純網銀監理系統的申報資料，同時，也從金管會單一申報窗口系統下載資料存放在這個數據倉儲中。在數據管理上，林銘寬提到，中央存保會選擇較為重要的數據來建置數據市集（Data Marts），並針對監測的需求，以視覺化的數據儀表板產出所需的分析或報表，來強化監控流動性風險。

 新型態理賠服務   台灣人壽   7-Eleven  
台灣人壽保戶可在全臺6千家7-Eleven門市申請保險理賠
近期，金管會保險局核准台灣人壽與7-Eleven合作試辦的「ibon線上理賠申請」，在經過1年多的試辦驗證，可正式開辦此服務，為國內保險業界首創。

這項服務讓台灣人壽保戶可透過超商門市的多媒體服務機（Kiosk）線上辦理理賠申請，申請完成後，台灣人壽會同步接收到保戶的理賠申請資料與影像，便能進行理賠審核與給付，節省過往理賠申請文件的寄送時間。

雙方的合作在去年4月展開試辦，近期獲得保險局核准開辦服務，同時，保險局發布了保險業辦理超商Kiosk線上理賠申請業務應遵循事項規範，提供給保險業者遵循辦理。台灣人壽統計，試辦期間每個月有將近百名保戶的理賠申請件，其中，非都會區的案件近6成，最遠的案件來自金門縣金城鎮。

 Robinhood   遭駭 
駭客以社交工程手法攻擊股票交易程式Robinhood，造成數百萬名客戶個資外洩
今年7月才登上美國那斯達克股市的股票暨加密貨幣交易程式Robinhood近期揭露，有未經授權的第三方存取了該公司系統，造成部份客戶的個人資料外洩，包括500萬用戶的電子郵件，200萬用戶的姓名，以及310名用戶的姓名、生日與郵遞區號，另有10名客戶被存取更多的資料。

想在住家的頂樓裝太陽光電聽說可發揮隔熱功效一線

推薦東陽能源擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

想知道最厲害的網頁設計公司嚨底家!

RWD（響應式網頁設計）是透過瀏覽器的解析度來判斷要給使用者看到的樣貌

南投搬家公司費用,距離,噸數怎麼算?達人教你簡易估價知識!

搬家費用：依消費者運送距離、搬運樓層、有無電梯、步行距離、特殊地形、超重物品等計價因素後，評估每車次單

Robinhood說明，此一未經授權的第三方是透過電話假冒為該公司負責客戶支援的員工，成功地進行了社交工程攻擊，而得以存取特定的客戶支援系統。除了上述資料外，客戶的社會安全碼、銀行帳號或是簽帳卡號碼並未外洩，也未因此造成客戶的財務損失。此外，駭客在入侵成功後，還回頭向Robinhood索取贖金。Robinhood並未公布是否支付了贖金，僅說已通知受影響的客戶，知會執法機關，同時聘請資安業者Mandiant協助調查。

 店家貸款   街口電支   凱基銀行 
街口電子支付串接凱基銀行數位信貸API，為街口商戶推出小額貸款服務
街口電子支付近期宣布與凱基銀行合作，在自家JKO Fintech Hub推出店家貸款服務，作為街口商家向銀行申請小額周轉基金的另一管道。作法上，街口電支串接了凱基銀行數位信貸API，在商家的同意下，系統將自動預先填入店家基本資料，來減少申貸填寫欄位，街口電支宣稱，3分鐘可完成貸款申請。

此外，申貸過程中，商家可同意提供街口電支收款記錄作為財力證明，來向銀行申貸，以加速貸款流程，凱基銀行表示，最快1個工作天能完成審核，審核通過並線上簽約確認後，商家就能動用資金。同時，街口電支也在店家管理App設計了申貸查詢狀態、貸款額度動用、即時還款等功能，來連結銀行服務。

 城市加密貨幣   美國邁阿密   
邁阿密開挖城市加密貨幣MiamiCoin已賺進2千萬美元，市長承諾將收益分潤給市民
CityCoins在今年8月初啟動邁阿密幣（MiamiCoin）的挖礦活動，這是CityCoins所發行的第一個城市加密貨幣，並會自動把3成的收益挪至該城市的加密貨幣錢包中。CityCoins是專門協助各個城市發展它們的城市加密貨幣，而要發行城市幣主要有2個步驟，一是市民投票，二為市政府必須接受城市幣協議的貢獻。

根據報導，在開挖MiamiCoin的3個月以來，已替邁阿密賺進2,100萬美元，如果換算成年度獲利，約等於邁阿密總稅收的1/5。這使得邁阿密市長Suarez決定把城市錢包的獲利以比特幣分給所有市民，計畫替市民設計一個加密貨幣錢包，並與各個加密貨幣交易平臺合作，協助市民取得錢包、註冊及認證身分，成為首個以比特幣分潤給市民的美國城市。

 數位團險平臺   國泰人壽 
國泰人壽新推數位團險平臺，提供企業戶客製化電商團險服務
國泰人壽近期推出數位團險平臺Groupins+，提供電商購物的團險服務體驗，除了套裝及不同場景的團險服務，企業主或人資可依照自身需要，如同電商線上購物一般，挑選想要的團險產品組合加入購物清單中，並快速取得客製化的線上報價。

國泰人壽數位轉型辦公室協理林佳穎指出，企業為員工購買團險服務通常面臨3大痛點，首先是自主性低，因為大多是套裝團險，較難提供即時的客製化服務，其次是仰賴人員服務，第三點則是花費較多時間等待報價，因作業時間，通常需要等待3到5個工作天。因此推出數位團險平臺，並提供企業自主權，自己找、自己選、自己組的創新體驗。

林佳穎表示，團隊為了打造自主彈性的團險體驗，除了花費相當多時間掌握使用者的需求，背後仰賴中台的微服務架構，以支援數位場景及應用的發展，以數據為客戶打造專屬體驗。國泰人壽還運用領域驅動設計（Domain Driven Design）定義團隊的共通語言，將程式、業務邏輯匯至開發模型，讓跨部門團隊能因應變化，快速達成共識，解決業務問題，並透過敏捷開發新功能模組，花了8個月時間就打造了全新的數位團險平臺。

圖片來源／台灣人壽、街口電子支付
責任編輯／李靜宜
 金融科技近期新聞 
1. 亞洲先買後付（BNPL）公司Atome宣布進軍臺灣市場，已與30多家零售品牌合作為顧客提供先買後付的支付選項
2. 
3. 樂天國際銀行新推24小時線上貸款申請及存款開戶一次完成功能
4. 
資料來源：iThome整理，2021年11月

來源鏈接：https://www.ithome.com.tw/news/147933

太陽光電發電設備是否會產生噪音?

找對廠商很重要喔，東陽能源是擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

推薦評價好的iphone維修中心

擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢

台中搬家公司教你幾個打包小技巧,輕鬆整理裝箱!

還在煩惱搬家費用要多少哪？台中大展搬家線上試算搬家費用，從此不再擔心「物品怎麼計費」、「多少車才能裝完」

在2021年開發者大會上，Line揭露了一款超大語言模型HyperCLOVA，宣布要以這個模型，發展一系列企業級的自然語言處理（NLP）服務，包括用來快速打造NLP應用程式的Studio，以及用來處理NLP訓練資料的Explorer，甚至還有一套AI Filter來過濾模型輸入和輸出值，替企業把關產出品質。

擁有820億參數，語音助理、開放式對話、標語生成都能做

這不是HyperCLOVA首次亮相。早在今年5月，Line母公司Naver就在自家AI大會上揭露HyperCLOVA，號稱韓文版GPT-3，用2,040億個參數訓練而成，比GPT-3的1,750億參數還要多。幾個月後的現在，經過Naver和Line共同改良，HyperCLOVA再次現身重量級大會，不同的是，Line揭露的HyperCLOVA懂的語言更多，還更有完整的產品生態系藍圖，以及更多的實用案例。

比如，大會現場，Line AI執行長砂金信一郎就親自示範以HyperCLOVA優化的虛擬YouTuber絆愛，來與真人即時問答互動，就連能自動打電話訂位的虛擬助理AiCall，也由HyperCLOVA驅動。甚至，Line NLP團隊經理Toshinori Sato秀出一段自己與HyperCLOVA聊天機器人的對話，對話角色包括他自己和擬人化的商品色鉛筆，當他詢問色鉛筆「你是什麼顏色」時，色鉛筆回答「我是紅色」，當他問「你喜歡什麼顏色」時，它說「藍色，因為藍天和海洋很美麗，不是嗎？」這個簡單的示範，點出了HyperCLOVA作為商品聊天機器人的應用潛力，企業可用來開發專屬機器人，回覆顧客對商品的各種問題。

這款HyperCLOVA具有820億個參數，是大型多語言模型，正處於整體發展藍圖的第三階段。這代表，HyperCLOVA已走過只精通日文、規模達130億參數的第一階段，也經過390億參數的多語言模型第二階段。而且，HyperCLOVA在第二階段，就與BERT大型日文模型表現相當，準確度只差1.65（85.03對86.68）。明年，HyperCLOVA還要從第三階段邁入最後階段，不只要達到2,040億參數規模，還要成為超大規模（Hyper-scale）模型。

自建語料庫3原則透露商品化野心，用小樣本學習保有通用力

要訓練如此龐大的HyperCLOVA，得先建立一套語料庫。Toshinori Sato點出，Line收集語料有3個原則，第一是不從Line任何對話服務中取得資料（包括Line社群功能OpenChat），再來是確保語料多樣性，最後是建立語料庫子集，如此才能將語料庫用於Line以外的服務。這3個原則，也凸顯Line要以HyperCLOVA發展AI產品的決心。

在這些原則下，他們以NLP經典開源預訓練模型BERT的2019年資料集為語料庫基礎，再以爬蟲方式收集Line搜尋的文字資料，同時購買外部資料，並確保這些資料來自重要的網站，讓模型學習各種日文表達方式。Toshinori Sato強調，Line團隊特別注重個資，語料庫中任何與個資相關的訊息，都會刪除。

經過一年多努力，這個語料庫目前累積到1.8TB大，擁有100億個樣本，Token數量達到5,000億個。雖然Line未透露太多HyperCLOVA的模型架構細節，但可以看出，有別於直接拿BERT來微調下游任務的NLP圈常見作法，Line重新打造一套屬於自己的大型預訓練模型。Toshinori Sato表示，BERT雖然只需依使用者需求，用特定任務資料集來簡單微調下游任務（如翻譯、問答），就能享有SOTA模型準確度，但，使用者還是得按不同任務，建立專屬小型資料集來微調BERT，這種監督式學習方法，可能讓BERT喪失通用能力。

為保有通用力，設計HyperCLOVA時，Line就決定要讓它可透過小樣本來學習（Few-shot learning），甚至是單樣本（One-shot）和零樣本（Zero-shot）。意思是，在小樣本的情境中，開發者只需給定一個任務描述和少數示例，HyperCLOVA就能以這些樣本來學習解題。在單樣本學習中，開發者給定任務描述和一個示例，模型即可學習，甚至在零樣本中，只需提供任務描述即可，不需任何示例。這麼做，HyperCLOVA可根據簡短的描述或少量樣本來解決各種任務，更貼近一般企業的需求。

這就是Line的HyperCLOVA計畫。他們希望，靠HyperCLOVA一個大型模型，就能利用多種資料，來解決多種任務，扭轉過去「一種資料來源-一個模型-一個任務」的窘境。Toshinori Sato舉例，過去，要解決搜尋任務，只能用搜尋模型來分析網頁資料，產出所需的搜尋結果。或是，要用購買紀錄進行商品推薦和顧客關係維護時，得分別打造兩套模型，一套用來推薦，另一套用來維持顧客關係，即便兩者的資料來源都是一樣的，還是得用兩套模型分析。

推薦評價好的iphone維修中心

擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢

想在住家的頂樓裝太陽光電聽說可發揮隔熱功效一線

推薦東陽能源擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

有別於一般網頁架設公司，除了模組化的架站軟體，我們的營業主軸還包含：資料庫程式開發、網站建置、網頁設計、電子商務專案開發、系統整合、APP設計建置、專業網路行銷。

「我們希望用一個大型模型來處理各類資料、執行各種任務，」他舉例，這個超大模型要能分析網頁資料、購買記錄、交易紀錄、語音輸入，並用這些資料來執行搜尋、問答、商品推薦、需求預測、對話等任務，至少先解決這些任務共通的NLP問題。這個方向，定下了HyperCLOVA的發展基調。

當引擎驅動兩大應用系統，還要打造企業通用AI生態系

圖片來源_Line

大會上一張HyperCLOVA的發展架構圖，清楚點出未來產品路線。在這張架構圖的最底層，是驅動一切服務的資料層，包括各類大數據和開放資料。在資料層之上是模型層，也是HyperCLOVA模型所在處。這層包括了兩類重要模型，分別是通用的超大規模模型，以及專精各類任務的小型模型，包括日文模型、多語言模型、影像模型等。

模型層之上是基礎架構層，包含模型訓練與推論，再往上就是HyperCLOVA所驅動的前端應用系統，包括Explorer和Studio。其中，Explorer專門用來處理AI訓練資料，比如文字資料生成、文字資料分類，讓使用者用來打造AI模型。特別的是，Explorer中還搭配一套AI Filter控管機制，來把關模型的輸入值與輸出值，同時確保HyperCLOVA不被濫用。Studio則是更應用導向的NLP開發工具，它有三大功能，包括用來開發NLP應用的沙盒環境Playground，以及資料生成和強化功能，還有NLP模型微調功能。這些功能都以HyperCLOVA驅動，目前最成熟的功能就屬Playground。

Playground可以怎麼用呢？Toshinori Sato在會場上，展示一款以Playground打造的廣告文宣生成應用程式。在這款應用程式中，使用者可輸入自家產品名稱、一句摘要（如產品成分、產地）和說明，系統就會產生一段產品文宣，使用者可調整溫度（Temperator）、重複排除（Repeatition Penalty）和最大詞彙量（Maximum Tokens）等參數，來調整文宣內容。

HyperCLOVA Studio中的Playground有如沙盒環境，使用者可用來開發各類NLP應用，比如打造一個快速生成產品廣告文宣的應用程式，只要輸入產品名稱和簡短摘要，就能產出文宣內容，使用者還可調整參數來變更內容。圖片來源_Line

這個只需輸入單項產品資料、就能產出文宣的功能，就是運用HyperCLOVA單樣本學習的能力。但這只是Playground的範例之一，企業可用Playground來開發多種NLP應用。今年，Line也將開放開發者試用Studio，並釋出Python SDK，要讓大家都能使用。

不過，在Line的技術戰略中，NLP應用只是第一步。Line預告，接下來要結合電腦視覺技術，賦予HyperCLOVA「看」的能力，既要能看懂影像，也要懂影像中的文字，比如將多模態AI納入主打的OCR服務，讓AI辨識圖片中文字，還能理解文字含義，甚至，Line要進一步將推動工作流程自動化，利用影像辨識和NLP能力，來自動化法律合約檢視與修改。他們的目標是，用一個模型解決多模態任務，打造MiLAI（Mixed Line），往通用AI邁進、打造更完整的AI產品生態系。

來源鏈接：https://www.ithome.com.tw/news/147921

推薦台中搬家公司優質服務,可到府估價

台中搬鋼琴,台中金庫搬運,中部廢棄物處理,南投縣搬家公司,好幫手搬家,西屯區搬家

想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整

節能減碳愛地球是景泰電動車的理念，是創立景泰電動車行的初衷，滿意態度更是服務客戶的最高品質，我們的成長來自於你的推薦。

太陽光電發電設備是否會產生噪音?

找對廠商很重要喔，東陽能源是擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

「我們有100多個機器學習產品，橫跨20多個部門中運作！」Line機器學習開發部工程師石河純輝說。當AI深化到企業內部各流程，就得有套機制來監控模型，以便在模型偏移時即時調整。這種機制就是MLOps。

高度仰賴AI的Line深知MLOps重要性，但仍面臨不少挑戰，像是收集模型各類指標、模型異常偵測和監控視覺化等問題。經過一番琢磨，他們找出一套解法，自行開發一套MLOps監控工具Lupus，提供專屬監控主機、專用函式庫和視覺化儀表板的網頁應用，讓開發者、維運者和專案成員更容易掌握ML模型的動態和品質，甚至可用來即時重新訓練模型，修正模型預測的偏差。

為何MLOps不好做？資料漂移、周期性特性比DevOps複雜好幾倍

談起維運，最為人熟知的就是DevOps，諸如資源使用狀況（CPU、記憶體等）、網路流量變化、硬碟讀寫能力等，都能靠一套成熟的監控機制來自動、定時把關，還能用邏輯簡單的警報系統來提醒維運者。

但，MLOps遠比DevOps要複雜。石河純輝指出，MLOps是「ML + Dev + Ops」這三種工作流程（也是團隊）的整合，工作流程涵蓋了ML階段的模型設計、分析、評估，再加上Dev階段的資料收集、工作流程建立，還有與Ops階段重疊的模型派送工作等。甚至，Ops階段還需要進行模型維運和監控。

要發展一套MLOps流程，得涉及資料和模型兩大層面。就資料來說，維運者得注意輸入資料的變化，也就是資料是否發生漂移，另也需注意輸入值的目標模式變化，即是否發生概念漂移。在模型部分，則要注意模型準確度、推薦值的多樣性，以及模型公平性。

而且，石河純輝指出，MLOps監控頻率會因模型而異，無法像傳統DevOps作法，只是簡單地設置閾值警示通知即可。有些模型數小時就得檢測一次，有些是數天才需要，得依不同ML應用的生命周期來設定。

Line跨部門上線100多個ML產品，自建管理工具仍不足

對Line來說，負責管理ML模型應用的就是機器學習開發部門。他們專門設計ML產品，來給不同單位使用。石河純輝透露，他們至今已上線100多個ML產品，遍布內部20多個部門。為管理這些模型，Line機器學習部門也設置一系列MLOps工作流程和工具。

他們以K8s和自建的Hadoop叢集資料統一平臺「IU」為主要運算環境，並自建Jupyter主機Jutopia來提供模型開發環境，讓開發者用來分析資料、進行實驗。同時，Line採用3套工作流程引擎如Airflow、Argo Workflows和Azkaban來處理批次工作，並以CI/CD工具ArgoCD、Drone CI進行模型部署派送工作。

除了使用開源工具，Line機器學習部門也自建了專屬工具來管理AI模型，像是共用特徵向量管理器，用來收集使用者行為日誌和產品後設資料（Metadata），讓不同ML專案也能使用這些共通性的資料。此外，還有一套內部函式庫，來進行模型收集、分散式訓練和推論、管理輸入和輸出，以及推薦自動化等工作，在測試工具上，也自建一套外部實驗管理軟體，來管理AB測試、生成推薦的展示等。

「這些工具解決了ML + Dev + Ops的大部分工作，」但石河純輝話鋒一轉，唯獨Ops中的模型表現監控尚未做到。

Line MLOps三大挑戰：資料遺失、模型更新、手動監控

台中搬家遵守搬運三大原則,讓您的家具不再被破壞!

台中搬家公司推薦超過30年經驗,首選台中大展搬家

推薦評價好的iphone維修中心

擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢

如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!

以設計的實用美學觀點，規劃出舒適、美觀的視覺畫面，有效提昇使用者的心理期待，營造出輕鬆、愉悅的網站瀏覽體驗。

也因此，他坦言，隨著自家上線的ML產品越多，監控成本越來越大，再加上Line當時的監控和通報機制是每個專案各自建置一套系統，在這種做法下，監控系統的效果不強，只能根據最少量的變動指標來通報。也因為沒有一套好的監控系統，團隊無法察覺資料缺失、模型輸出值的變化等狀況，甚至曾造成已上線ML模型停擺。

石河純輝進一步分析，Line MLOps有三大痛點要克服。首先是資料缺失，當模型訓練的資料發生遺漏或延遲發送，就會造成模型預測不佳，甚至產出無效預測值。舉例來說，Line有套Email預測系統，每天根據外部單位傳送的表格資料，來進行行為預測，再將預測結果回傳給外部單位。若表格上的資料有缺漏，就會影響模型表現，沒有好的監控系統，工程師也不會察覺異常，「這發生過幾次了，」他說。

第二個痛點是模型更新。他回憶，團隊曾經在模型架構更新時，忽略了新舊模型的預測值分布狀況，即便新模型的預測值更準確，只要預測值分布明顯改變，就會大幅影響個別使用者屬性，給出截然不同的內容，降低使用者體驗。「這種現象，當時要2個禮拜後才發現、改善，」石河純輝強調。

第三個痛點則是手動監控問題。因為Line針對各專案，在Jupyter Notebook中建置了專屬監控系統，來追蹤模型指標、視覺化呈現結果。這個做法雖然方便，但手動收集的指標，只在當下有用，很難重複利用。而且，觸發警報的條件只能套用簡單規則，更是常常無法審查整體監控程式碼的品質。

瞄準指標收集、異常偵測和視覺化，自建監控機制Lupus

為克服這些痛點，Line機器學習開發部門決定打造一款MLOps監控工具，要具備三要素，要能輕鬆收集指標、快速偵測異常，還要有友善的視覺化介面，讓專案成員隨時掌握模型動態。

這款工具就是Lupus，由三大部分組成，首先是建置Lupus主機，用來管理變動指標、提供異常偵測API，再來是一套Lupus函式庫，可提供各種指標聚合工具和API客戶端。最後是Lupus SPA應用程式，這是一款網頁App，可視覺化圖表來呈現指標狀況和異常偵測結果，也內建驗證功能和後設資料管理。

在這套ML模型監控系統中，指標收集任務啟動後，Lupus函式庫會隨之啟動，Lupus SPA也會同步顯示指標狀態。再來，Lupus主機作為入口點，所有請求都由這臺主機處理，也負責授權驗證工作。啟動後，Lupus主機還會發送請求給不同Worker，平行執行指標收集工作和異常偵測工作。這些工作會使用前述的Airflow等工具來排程執行，而Lupus也有一套Worker機制來管理工作流程，以及記錄後設資料。

Line自行打造的MLOps監測工具中，包含一套網頁App：Lupus SPA，可讓專案成員查看模型指標變化圖表，讓模型變動資訊更容易分享、討論。圖片來源_Line

至於收集到的指標和異常偵測資料，則長期儲存於開源的資料倉儲Hive，並利用開源搜尋引擎ElasticSearch來提供資訊搜尋和視覺化呈現。

指標收集運作上，Lupus函式庫可用來整合不同指標，將指標所需的資料推送到Lupus主機，主機再上傳指標至S3相容的儲存庫，並提交收集工作至佇列。最後，工作流程工具會將資料儲存於ElasticSearch和Hive中。石河純輝指出，指標收集可用來衡量資料漂移、概念漂移，也能決定模型是否要替換。

而在異常偵測機制上，可以利用Lupus函式庫的API來發送偵測請求，進而促發工作流程工具來讀取儲存於Hive的指標，開始進行偵測，並將異常資訊儲存於ElasticSearch和Hive。這些都內建在Lupus函式庫中，方便ML開發者容易整合到ML專案中。

最後，ML專案所有成員都可以利用Lupus SPA，在App上查看各指標的趨勢圖表和異常偵測結果，也能直接展開細節說明。石河純輝總結，這套MLOps監控工具，讓每日的指標收集工作更容易進行，也能偵測到之前未注意的異常，更能發現新洞察，像是模型準確度的變化，進而激發成員改善ML產品。此外，這個方法也讓Line團隊的監控程式碼經層層審查，比過去的自製方式更可靠。而視覺化的網頁App，則讓團隊更容易分享模型資訊，提高溝通效率。

來源鏈接：https://www.ithome.com.tw/news/147922

想在住家的頂樓裝太陽光電聽說可發揮隔熱功效一線

推薦東陽能源擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

太陽光電發電設備是否會產生噪音?

找對廠商很重要喔，東陽能源是擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。

回頭車貨運收費標準

宇安交通關係企業，自成立迄今，即秉持著「以誠待人」、「以實處事」的企業信念