Face Api是微軟的Cognitive Service(認知服務)Vision(視覺)裡面的一個服務。

最主要的目的是用來處理和人臉識別有關的AI功能。

這篇從Overview的角度來看看Face API能夠做什麽，然後這個系列會介紹什麽。

在上一篇([42]回顧整個系列 - 開發Chatbot的整個生命周期)把整個系列文章review完了之後，算是把整個系列寫下了一個句點。

不過，下一步是什麽？依照關注的方向點不同可以往不同的地方鑽研。這篇將介紹接下來可以看的不同方向。

在上一篇([41]使用Chatdown做Chatbot的UI Prototyping)，介紹完了可以用來做Prototyping的UI工具Chatdown之後，這個系列想要介紹的東西都介紹完了。

這篇想要整個重新在review一次整個開發chatbot的開發流程（lifecycle），并且看看再每一個環節這個系列都介紹了什麽可以使用。

2018-09-01 Saturday
「chatbot + AI = 下一代操作模式」 bot framework chatbot cognitive service ai azure custom-vision qna-maker computer-vision speech-service

在上一篇([40]Visual Studio Tools for AI - 用VS管理Cognitive Service的服務)介紹完了管理Cognitive Service的好工具Visual Studio Tools for AI，這篇來看看另外一個協助開發Chatbot的工具Chatdown。

來看看這個工具能夠提供什麽功能，并且如何協助Chatbot的開發。

在上一篇([39]Video Indexer - 讓影片可以被搜索和分析出影片的重點)介紹完了Cognitive Service的整合服務Video Indexer了之後，這篇來介紹微軟怎麽讓開發著使用Cognitive Service便的更加的容易。

看看管理Cognitive Service的好工具：Microsoft Visual Studio Tools for AI能夠做到什麽。

在上一篇([38]用Application Insight看使用者都在QnA Maker查什麽)介紹完了QnA Maker之後，接下來來看看另外一個也很有意思的服務 Video Indexer。

這個服務和QnA Maker一樣，他是一個用很多服務整合出來的Solution。和QnA Maker整合的都是Azure服務不同的是，Video Indexer整合的都是Cognitive Service的服務爲主。

這篇來看一下Video Indexer是什麽，并且看看能夠做到什麽。

在上一篇([37]維護QnA Maker的知識庫 - 設定url或者檔案為來源、多人維護以及離綫定義知識庫)介紹完了如何更容易的去維護Knowledge Base了之後，這篇來看另外一個問題：就算再怎麽維護Knowledge Base，如果裡面内容不符合使用者的查詢，那麽一點意義都沒有。

因此瞭解到使用者怎麽詢問這些Knowledge Base非常的重要。

在這一篇將來看看如何透過Application Insight看看使用者都在搜索什麽問題。