目前已經進入 AI 大時代，產品中免不了會套上一些 AI 的應用。最理想的情況是，資料科學家可以透過 AI 應用讓產品更加的完善，而且資料科學家生產出來的 AI 模型可以直接被工程師使用。但實際上我們碰到了幾個問題：

1. Request 量
2. 執行效率
3. 機器效能

上面的問題，花錢就可以解決，但是要怎麼花？而我做了什麼？

多一點前情提要，資料科學家用的語言是 Python，而工程師用的語言是 C#，接下來能做什麼？我做了什麼？再思考一下該做嗎？

最簡單的解法，當然是大錢花下去就好，加 CPU、加記憶體、加 GPU。但是這樣的解法，不是我想要的，我想要的是——花最少的錢，達到最好的效果！

再來就只能改程式碼了，程式碼部分分別有 Python 和 C# 的部分。Python 的部分，有什麼可以優化的？

1. 改非同步
2. 改演算法
3. 調整模型⋯⋯等等

上面這些有什麼好處？我做了什麼？又值得嗎？

再從我比較熟悉的 C#，又有什麼可以下手的地方？

1. 改非同步（但跟 Python 有什麼差異？）
2. 資料前處理
3. 改用 C# 跑模型？怎麼做？有比較好嗎？

上面的改動花更多的是開發人員的時間，時間就是金錢，怎麼讓錢花在刀口上？工程師和資料科學家的合作又該怎麼合作？這些我都將在議程中與大家做分享。

以個人的經驗做為引子，提供我的解決方案，以及我在其中的考量和拉扯，希望能引起大家的共鳴，也希望其中的一些做法可以給聽者做為參考，再來可以共同討論、研究，讓我們在AI大時代中，能夠更加的順利