新一代行動化應用程式設計平台 IBM Mobile Foundation

IBM Mobile Foundation提供企業就緒功能，專為支援建置與部署新一代認知、脈絡式及個人化行動式應用程式而設計。IBM Mobile Foundation針對使用者量身設計應用程式的行為、執行A/B測試、以動態方式切換功能。系統管理者可以為非開發人員配置後端邏輯，以變更現存的前端行為但無需重新編譯應用程式。使用「即時更新」，以根據使用者設定檔調整應用程式行為。建置 DevOps生產開發及維運作業流程以加速更新並避免人為錯誤並針對漸進式行動化應用程式更新採用更簡化且可重複的處理程序。

IBM Mobile Foundation 的產品特性：

• 應用程式生命週期管理
  透過使用Liberty、NodeJS 或 Swift將商業邏輯建置為微服務，並藉由導入Swagger定義來存取微服務。此外，使用OAuth安全測試，對個別或一組API套用存取控制。
• 功能切換及A/B測試
  使用主控台和SDK來操作功能切換、A/B 測試、功能分割等，設計人員可以根據使用者的位置變更應用程式背景，或在應用程式正式發布前先提供給一小部分使用者進行測試使用。
• 綜合性的工具和 SDK
  為設計人員挑選開發環境，並存取適用於iOS、Android及Windows的原生平台或Cordova SDK。在發佈至應用程式商店之前，使用開發模擬器來測試Cordova應用程式。

如需瞭解更多 IBM Mobile Foundation的特色相關資訊，請立即聯繫北祥資訊。

AI小學堂 – 今天教您「遞迴神經網路」

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17堂課，我們為您介紹：遞迴神經網路(Recurrent Neural Network, RNN)。

上一堂課為您介紹的卷積神經網路(Convolutional Neural Network, CNN)主要用於影像的處理及識別，相當於人類眼睛的角色。與之相輔相成的遞迴神經網路(Recurrent Neural Network, RNN)則相當於人類耳朵和嘴巴的角色，用於解析各種語言模式，例如市面上常見的語音助理Amazon Alexa、Google Assistant以及Apple Siri，均使用了RNN技術讓機器可以聽懂並理解人類的對話指令，甚至是發出類似於人類的電腦合成語音，實現了人類與電腦之間的真正對話。

卷積神經網路(RNN)是一種功能強大的神經網路模型，相較於CNN著重於神經元與特徵卷積的空間擴展特性，RNN則著重於神經元與多個時間輸出計算的時間擴展，可以用於描述時間上連續狀態的輸出並同時具備了記憶功能。也因為RNN是唯一具備內部記憶儲存能力的演算法，因此它能夠記住輸入資料中的重要資訊，並非常精確地預測時間序列資料，在連續數據中產生預測結果。例如給定一周七天從周一開始依據穿著〝紅〞、〝橙〞、〝黃〞、〝綠〞、〝藍〞、〝靛〞、〝紫〞等顏色的衣服，在使用RNN的情況下，若告訴電腦〝綠色〞則RNN便可預測出下一個顏色是〝藍色〞。

由於RNN具備資料時間點的記憶功能，同時也考量輸入的資料順序，因此非常適合用於分析有序的輸入資料，例如文字、口語、基因組，或是來自物聯網裝置或股票市場的時間序列數值化資料。常見的應用領域包含時間序列資料分析預測、自然語言處理、手寫辨識以及口語辨識等，RNN結合了CNN的影像特徵擷取功能，還可以自動產生影像的標註描述，甚至是位影像進行分類。