| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | MLOps | Lupus
【Line AI生產力關鍵2：ML品質監控自動化】自建MLOps監控平臺，上百項ML產品模型漂移能即時調校
Line高度仰賴AI，光是內部就有100多個ML模型上線，橫跨20多個單位。為快速統一掌握模型動態，Line自建一套MLOps監測工具Lupus，來收集模型指標、偵測異常
2021-11-22
| NLP | 生態圈 | HyperCLOVA | 朴懿彬 | 機器學習 | AI | MLOps | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | 日本Yahoo | 整併 | 封面故事 | Lupus | AI生產力
因應整併後3億日本用戶規模新考驗，Line從3大技術關鍵來強化AI生產力
今年3月，日本Line和日本Yahoo整併後，光是日本用戶規模就達到3億人，作為未來主要用戶服務核心的Line，如何因應用戶數暴增挑戰，繼續邁向AI公司轉型之路？關鍵是這3件事
