Berry AI 透過電腦視覺助速食業數位轉型

Berry AI (華捷智能) 成立於 2019 年，是一間提供速食業者電腦視覺解決方案的 AI 新創。我們利用深度學習和影像辨識技術，解決速食業多年來無法解決的難題。透過收集與分析大量的數據，我們深耕並幫助速食業改善目前的營運流程、提升消費者體驗。目前已與全球 top-10 業者展開合作，導入數間分店，技術團隊的研發成果將逐步於全球數十萬間的速食店內落地。

Berry AI 技術團隊鼓勵成員探索與應用新的技術。我們延攬人工智慧領域富有盛名的教授做為技術顧問，顧問群累積數十年的人工智慧研究經驗，加強了團隊的研發能量。為促進彼此交流，每週技術團隊會協同顧問舉辦 AI Meeting，分享彼此的進度與研究心得，確保夥伴對於新技術的熟悉度，並一起解決研發挑戰。公司內部亦有多個技術群組，主題包括軟體、系統架構、產品設計、商業等等，讓大家接觸到不同領域的豐富知識。

此外，Berry AI 是 Nvidia Inception Program 的成員，曾獲得台灣商品影像 AI 辨識競賽的首獎以及經濟部 AI+ 新銳選拔賽的肯定。成員們亦積極參與國際學術會議，曾於CVPR、NIPS、ICML、ICCV 等電腦視覺頂級會議上發表論文，與世界分享研究成果。

Berry AI 成員來自海內外頂尖大學及大型科技公司，擁有多年影像辨識以及軟硬體設計整合經驗。同時，我們也得到台灣上市公司飛捷科技的注資與支持，提供我們穩定的資金來源與客戶關係。目前業務與團隊正快速擴張，需要更多認同我們理念與目標的夥伴加入。想加入高速成長的 AI 新創，歡迎與我們聯絡!!
https://www.berry-ai.com/careers

留言

這個網誌中的熱門文章

鑽石級贊助商 - KKBOX 帶你打造具備 NLP 功能的 Telegram Bot (上)

打造具備 NLP 功能的 Telegram Bot（上）最近因為一些契機學了 Python 3，用它做了一個 Telegram Bot （ GitHub 連結），裡面用到 NLP Service，用上下兩篇文章記錄一下實作過程還有眉角。上篇首先教大家如何做一個最基本的回聲 Chatbot，接下來我們可以透過 NLP 服務，讓 Chatbot 根據使用者不同的訊息做回答，這樣就變成更加人性化的聊天機器人囉！使用的工具及服務： Python 3 （for develop） pipenv （for dependency management） OLAMI （for NLP） ngrok （for testing） Step 1. Creating new bot Telegram 很有趣的地方在於，與其他通訊軟體（Line、Messenger）相比，開發者管理 Bot 的方式也是透過官方提供的一位 Bot 在處理的，它叫做 BotFather （眾 Bot 之父 XD）。如果已經有 Telegram 帳號，只要加 BotFather 為好友，就可以開始管理你的 Bot。加入 BotFather 好友後，它會親切地問候，並告訴你他能為你提供什麼服務。 I can help you create and manage Telegram bots. If you're new to the Bot API, please see the manual ([https://core.telegram.org/bots](https://core.telegram.org/bots)). You can control me by sending these commands: /newbot - create a new bot /mybots - edit your bots [beta] /mygames - edit your games ([https://core.telegram.org/bots/games](https://core.telegram.org/bots/games)) [beta] Edit Bots /setname - change a bot's name /setdescr...

COSCUP 2025 Call for Proposals / 徵稿辦法

COSCUP 常規徵稿已於 2025-05-10 截止，接下來進入加碼徵稿階段。加碼徵稿是為了提升大會的稿件品質，依據投稿狀況（數量、品質）部分徵稿主題可能提前喊停。最遲請於 05 月 24 日(AoE) 前投稿，徵稿主題可參考下方列表。 The regular call for proposals (CFP) for COSCUP closed on May 10, 2025. We are now entering the bonus CFP phase to improve the quality of submissions. Some topics may close earlier than expected, depending on the current status of submissions (in terms of quantity and quality). Please submit by May 24 (AoE) at the latest. You may refer to the topic list below for inspiration. 開始投稿 Submit Your Proposal 提案須知 Things you may need to know 演講形式：預設為現場30分鐘演講包含QA，若有其他需求可於提案系統註明，由各主題主辦單位決定如何安排。 Talk Format : The default format is a 30-minute on-site talk, including Q&A. If you have other requirements, please indicate them while submitting your proposal. The final arrangement will be decided independently by the organizers of each topic. 語言：COSCUP 受眾包含海內外與會者，大會不限制發表語言但鼓勵以英語發表。大會將公布雙語議程表，請提供中英文版議程介紹。 L...

機器學習的五大實務問題：對企業的影響與相應的化解方式

Appier 首席機器學習科學家　林守德博士正如 Jason Jennings 及 Laurence Haughton 在《以快吃慢–如何藉速度在商戰中克敵制勝》一書中指出──未來，不是大公司吃掉小公司，而是速度快的公司吃掉速度慢的公司。從現在開始，唯有善用適當的資訊快速做出決策的企業，才能成為戰場上的贏家。機器學習技術驅動了這場變革。無論企業是嘗試向顧客提出建議、改進生產製造流程或應對市場的變動，都能運用機器學習技術處理大量的資料，進而提高自身的競爭優勢。然而，機器學習雖能創造大好機會，卻也同時帶來了相應的挑戰。機器學習系統需要大量的資料，以及執行複雜的運算能力。顧客期望改變、出乎意料的市場波動等等外部因素，都意味著機器學習模型的運作並不是百分之百的自動，往往仰賴許多外部的資源來作監控及維護。此外，機器學習也有不少尚待解決的實務問題。以下將深入探討機器學習的五大實務問題，以及這些問題對企業應用會產生的影響。 1. 資料品質機器學習系統仰賴資料進行訓練，而訓練資料在廣義上可分為「特徵」及「標籤」兩種類別。「特徵」是輸入機器學習模型的資料，像是來自感測器、顧客問卷、網站 cookie 或歷史資訊等等。然而這些特徵的品質可能良莠不齊。舉例而言，顧客在填寫問卷時可能會隨便填寫，或對題目略而不答；感測器可能因失靈而回傳錯誤資料；即使使用者的網頁行為明確，網站 cookie 回報的資訊也可能不完整。此外，資料也可能包含雜訊，當無謂的資訊夾雜其中時，機器學習模型將會受到誤導而做出不正確的預測。相較於「特徵」，「標籤」的正確性與穩定度更為重要。標籤是機器學習模型最後輸出的結果。所以需要在訓練的時間利用正確的結果教導機器學習模型。標籤的稀疏性也是個問題，這是當系統已掌握大量輸入的資料卻對輸出的結果沒有把握時出現的現象。在這樣的情況下，將難以針對該模型偵測其特徵與標籤之間的關聯性優化，甚至需要耗費額外的人力干預，將標籤與輸入資料關聯起來。機器學習需仰賴輸入與輸出資料的關聯，才能具備足夠的泛化能力以預測未來行動並提供相關建議。因此，如果輸入資料過於雜亂、殘缺或有所偏差時，將可能難以理解某輸出／標籤的產出原因。近年來機器學習也開發出許多先進的方法如半指導式學習，轉移學習來處理這樣的問題。 2. 複雜性與品質的取捨建立強大的機器學習模型需要大量的計算資源來處理特徵和...

COSCUP 開源人年會

搜尋此網誌