北祥資訊電子報
Vol.34-2021-January

企業內容管理平台IBM Content Manager OnDemand (CMOD)

IBM Content Manager OnDemand(CMOD)是一個企業數位內容管理解決方案,提供自動擷取和儲存大量數位文件,包括XML數據集與電子報表,並支援在多種瀏覽器介面檢視及管理企業重要的數位內容文件,CMOD擁有強大且快速的搜尋與檢索功能,同時自動化及優化儲存管理,為使用者增進效率並發揮最大價值。

IBM Content Manager OnDemand (CMOD)的產品特色:

  • 數位內容資料擷取、儲存及檢索
    IBM CMOD透過專為多種瀏覽器、移動裝置與桌面環境設計的Web使用者解決方案,提供優化的XML、PDF及AFP文件的大量擷取、儲存及檢索等強大功能。
  • 輕鬆遷移您的數位內容資產
    IBM CMOD提供了優質與可擴展性的解決方案,包括用於移動數據存取的Content Navigator用戶端、開放的API等,每18個月為使用者提供強大的360度視圖及有效的OnDemand開放資料組(ODUG),有效提供更好的客戶服務,提高客戶滿意度和保留率。
  • 適用於雲端環境的數位內容管理
    IBM Content Manager OnDemand (CMOD) on Cloud將IBM CMOD移至雲端,提供使用者透過在安全單一的基礎架構中保存報表、郵件與交易記錄,以減少本地資料中心的儲存空間,有效降低運營成本、過縮短上市時間,為IT提供更大的靈活性,以滿足客戶需求。

如需瞭解更多IBM Content Manager OnDemand (CMOD)的相關優勢,請立即聯繫北祥資訊。

End-to-End 使用者生命週期管理IBM Security Identity Governance & Intelligence (IGI)

IBM Security Identity Governance and Intelligence是基於網路設備的整合式身份管理解決方案,透過收集與分析身分資料,以支援企業 IT及合規性,它採用以業務為中心的規則、活動與流程,透過管理存取權限以評估跨企業應用程式與服務的法規遵從性,深入的瞭解存取權的使用情況,進行風險管理。

IBM Security Identity Governance & Intelligence (IGI)的產品特色:

  • 高安全性的身分管理
    IBM IGI提供基於業務需求的身份治理基礎架構,使用者針對單位、帳戶、權利及資源等的結構按照團隊不同的角色、成員身份、工作活動及存取需求進行分類,有效分配與安排合適存取權限,並降低風險。
  • 稽核管理並產生詳細報告
    IBM IGI擁有追蹤與稽核所有帳戶的功能,藉由存取權限、特權與策略的可見性,有效提升安全性,並將存取權限合併到集中資料庫中,自定義角色與活動,同時也提供定期報告,以確定使用者進行的所有操作,輕鬆且方便的管理。
  • 整合資料管理自動化
    IBM IGI將系統收集資料的過程自動化,並顯示在系統中所有項目更改的記錄,例如使用者資料庫,當中提供了Identity Brokerage閘道器與企業連接器進行整合,內容包括導入、搜尋、修改文件與同步等功能。

如需瞭解更多IBM Security Identity Governance & Intelligence (IGI)的相關優勢,請立即聯繫北祥資訊。

AI小學堂 – 今天教您「機器學習應用流程 – 3.抽查演算法」

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29堂課,我們為您介紹:機器學習應用流程 – 3.抽查演算法。

上週我們介紹了「機器學習應用流程」第二步驟 - 準備數據,這星期我們將針對「機器學習應用流程」中的第三步驟 - 抽查演算法進行說明。這個步驟主要是對預期使用的機器學習演算法進行測試與驗證,透過快速演算法測試與發現問題中是否存在需要學習的演算法來確保演算法的有效性。抽查演算法大致可以分為以下五種:

  • 自動化測試框架 (Test Harness)
    首先須為資料正確定義測試工具,以訓練及測試演算法、評估其性能度量、專注於評估不同的演算法並深入思考問題,目標是快速且一致針對要解決的問題進行演算法測試,例如:哪些演算法可能值得在該問題上進行調整,哪些不應該進一步考慮等。
  • 績效衡量 (Performance Measure)
    績效衡量是要評估問題解決方案的方式,通常專門針對問題進行分類,例如線性回歸、分類、集群等,對各個類型進行評估,產生更詳細的性能明細,查看類似問題,以及衡量是否可以採用的績效衡量。
  • 測試和訓練數據集 (Test and Train Datasets)
    從轉換的資料中,選擇一個測試集與一個訓練集。將演算法套用在訓練集上進行測試,並針對測試集進行評估,確保選擇的資料集能夠代表您要解決的問題。
  • 交叉驗證 (Cross Validation)
    與採用測試和訓練資料集比較,使用整個轉換後的資料集來訓練與測試更加複雜,這個測試工具稱為交叉驗證,將資料集分為多個大小相等的驗證組並訓練該模型,持續重複此過程,使得所有方面都達到績效平衡,以解決問題。
  • 抽查演算法 (Testing Algorithms)
    定義完測試工具後,下一步是抽查各種機器學習演算法,提供快速查看資料中是否有可學習的結構,並評估哪些演算法可以有效解決問題,選擇5-10個適合的標準演算法,透過測試工具運行以確保績效平衡。

北祥資訊股份有限公司服務電話:02-2658-3010

聯絡我們