北祥資訊電子報 Vol.18-2020-September

即時事件串流管理平台IBM Event Streams

架構於開放原始碼Apache Kafka專案的IBM Event Streams是一個企業級事件串流管理平台，協助企業建置在事件發生時可立即反應的智慧型應用程式。IBM Event Streams是以IBM提供給企業執行Apache Kafka事件串流所獲得的多年運作專業技術做為基礎，此專業技術讓Event Streams非常適合處理關鍵任務工作負載。

IBM Event Streams的產品特性：

榮獲獎項的客戶體驗
榮獲獎項的使用者介面包含訊息瀏覽器、關鍵測量指標儀表板，以及便利的公用程式工具箱，可協助企業管理與監控 Kafka部署。
綱目登錄
支援Apache Avro綱目(Schema)，可讓Kafka應用程式使用綱目來驗證資料結構、編碼與解碼資料以及檢視訊息內容的格式化預覽。
企業連接器
提供可連接至各種企業訊息系統的Kafka Connect來源與接收連接器，讓企業重要的訊息及資料均可無縫串接，例如IBM MQ、IBM Change Data Capture、IBM Streams。
企業級REST API
提供可與無縫整合的高傳輸量可調式HTTP REST API，讓不支援Kafka 原生用戶端的應用裝置和重要系統可以透過REST API傳送事件給其他的系統。
混合雲佈署架構
IBM Event Streams可部署並運行於IBM Cloud或IBM Cloud Pak平台的 Red Hat OpenShift Container Platform中，前述環境可在公有雲基礎架構或使用企業自建的硬體環境（x86或Linux on IBM Z）上執行。

想進一步了解更多IBM Event Streams產品優勢，請立即聯繫北祥資訊。

領先的商業資料洞察引擎IBM Watson Discovery

獲選為Gartner Magic Quadrant 2019年「洞察引擎領導者」以及Forrester Wave 2019年第2季報告「認知搜尋領導者」的IBM Watson Discovery是一個人工智能化的商業資料擷取、搜尋與分析引擎，運用機器學習中包括自然語言處理功能等最新突破性技術，IBM Watson Discovery能串聯資料孤島並擷取問題的專屬答案，同時分析企業資料中埋藏的趨勢與關係。

傳統的企業內容搜尋引擎因無法解讀商業文件中各種產業專有名詞與用語的細微差異，因此無法即時準確地搜尋複雜的文件並為員工和客戶提供確切的答案。IBM Watson Discovery透過先進的AI技術解決了這些問題，這個先進的商業資料洞察引擎能為查詢提供特定答案，同時提供整份文件及支援鏈結，讓員工和客戶有信心做出明智決策。

IBM Watson Discovery與眾不同的地方：

智慧型文件解讀(SDU)功能可以完整解讀商業文件的結構並標記文件中的文字，提供更準確的資訊和精確的段落分析能力。
提供以自動訓練模式以及使用者回饋模式來啟動即時及連續學習系統，管理特定查詢的意見回應內容，隨時間提高解答相關性。
即時搜尋文件並探索文字分析結果、關係，以及長時間下內容元素的變化，解讀資料內的來龍去脈，以文字分析尋找模式和趨勢。
先進的內容情報功能，協助企業偵測及解讀合約、發票及採購單等商業文件內容，讓商業文件可以更聰明地管理。
運用多重標籤分類器功能，讓一份文件擁有多個標籤並可以按種類篩選文件集合，縮小結果的範圍。

請立即聯繫北祥資訊，瞭解更多IBM Watson Discovery發掘資料中隱藏價值，找出答案、監控趨勢並顯現出模式的方法。

AI小學堂 – 今天教您「自然語言處理」

人工智慧時代來臨，面對市場需求的變化以及未來的無限商機，北祥資訊將與您一起學習，讓AI小學堂成為您最佳的學習助手。第13堂課，我們為您介紹：自然語言處理(Natural Language Processing)。

人類的語言複雜且多樣化，每一套語言都有其專用的語法規則與術語，包含了口語對話與文字寫作。自然語言處理(Natural Language Processing, NLP)主要就是讓電腦能夠識別及理解人類的語言，讓人類可以透過口語或文字的方式與電腦進行溝通，例如人類透過對話的方式讓手機自動撥打電話、安排行事曆工作、查詢天氣狀況，或是電腦透過自然語言處理技術組合出一份文件或新聞的重點摘要，節省人類閱讀資訊的時間。

自然語言處理屬於人工智慧領域的一個分支，任何與人類語言有關的一切，均屬於自然語言處理技術的範疇，例如：自動翻譯系統需要識別人類撰寫的文件內容、語音客服助理需要理解人類與之溝通的對話並使用語音合成的方式回應給人類。而它又可以概略性地區分為自然語言理解(Natural Language Understanding, NLU)與自然語言生成(Natural Language Generation, NLG)等二大領域，前者的目的是讓電腦可以讀懂並理解人類輸入的文字或撰寫的文章，以便於協助進行本文分類、語法分析、情緒識別以及資訊檢索等相關作業；而後者則與前者相反，其主要係透過整合及萃取知識庫的內容將電腦可以理解的訊息以人類可以理解的語言方式輸出，例如文本摘要、新聞自動化、機器翻譯等工作。