認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
•
7 likes•1,086 views
感謝北市公訓處特別安排企業參訪行程-程曦資訊。 感謝程曦資訊 張榮貴總經理與眾同仁，對於本課程參訪學員的專業分享接待，分享如下： 程曦資訊在客服整合服務上屬創新領導業者，承接許多縣市1999市民服務專線業務，所以對於應用這項服務在單位業務上，學員是不陌生的，也可以很快想像ChatBot在Line等通訊App的應用優點與特性。特別對於創新公司在公司願景與工作環境打造印象深刻：雲端與人、歷史走廊，程如曦、勢如海的公司文化。 透過一整天的課程學習，學員可以理解其中牽涉科技技術層面，譬如：網路環境、雲端運算、機器學習、自然語言分析，也理解黃士傑博士之於AlphaGo的人工智慧智能系統訓練師的角色，想像未來人機協同工作的情境已不遠。 非常感謝 榮貴總經理特別對參訪學員，以智慧城鄉的市政服務創新4.0的藍圖，介紹程曦資訊以智慧克服發展的過程，對應人事物影響有精闢的介紹。在QA時間學員也對ChatBot應用疑問提出問題，榮貴總經理的解答讓大家獲益非淺，這些內容補足在教室學習的不足，透過業界創新實務分享，加大並加深學習成效與成果。 ---- 1.關於人工智慧創新 2.實例應用介紹 3.科技創新(數位經濟) 4.機器學習與深度學習 5.數據智能驅動應用(教育科技創新個案實例) 6.練神功 How to do 7.政府開放資料 8.QA10+
Recommended
More Related Content
What's hot
What's hot (20)
Similar to 認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
Similar to 認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214 (20)
More from 張大明 Ta-Ming Chang
More from 張大明 Ta-Ming Chang (20)
認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
- 1. 1 臺北市公務人員訓練處－106年度數位學習人才培育班@2017/12/14。台北 T h i n k B i g f o r B i g D a t a - D a t a G o v 講 師 ： 張 大 明 ric h a rd @a b c te c h . p ro L i n e / W e c h a t I D ： a s k 2 b i g r i c h 認識人工智慧與 發展應用 (含參訪課後感想) —科技創新的價值與機會 The Economist Google leads in the race to dominate artificial intelligence -Tech giants are investing billions in a transformative technology https://goo.gl/L1swyG
- 2. 張大明 張大明執行長，育睿科技（2012）創辦人，資訊教育及教育科技專家，並擔任新 北市專業職能培訓人員職業工會-大數據應用職能發展委員會主委，xAPI中文實踐社群 指導委員會-Corporate L&D Coordinator，淡江大學教育科技研究所，台灣首位 4C/ID模式實證研究發表人，國際副價值工程專家 AVS，美國ATD會員，經濟部中小企 業領袖班第十二屆結訓。有近二十年成人教育訓練實務及數位化學習設計經驗。 • SBIR經濟部小型企業研發補助計畫—思翱夫子雲倍力大數據服務開放創新研發計畫主持人 （ALBITER，2015-2016） • 2016台灣資料愛好者社群年會-教育大數據「有志一同」議程協同主持人（中央研究院資料科 學研究所，2016/7/17） • ALBITER歐倍特教學設計與實施手冊（張大明，羅志傑，2016/6） • 張大明, 羅志傑, 蕭舒方（2016），整合學與教脈絡大數據應用的教育創新-以思翱倍力大數據 服務為例，2016數位學習學術研討會：學習科技新趨勢（淡江大學，2016/5/20） • Use VA/VE on Online to Offline (O2O) Cloud Learning Services Study（Hong Kong-SAVE， 2015） 講師 2
- 3. 張大明 • 國家發展委員會105年資訊新知研討會-巨量資料分析的現況與展望（北中南三場，2016/8-9月） • 105年下半年度產業人才投資計畫-生產力4.0巨量資料應用班：ALBiTER歐倍特螺旋式4 Cycles 課程（2016/8-10月） • ITI外貿協會國際企業人才培訓中心：專案管理Excel資料分析實務應用，EXCEL資料分析實作- 商品創新與商業模式、淺談大數據與智能行銷商業模式（2016/5、9、10月） • 2016台灣資料愛好者社群年會-教育大數據有志一同協同主持人（中央研究院資料科學研究所， 2016/7/17） • 聯輔中心企業培訓課程-高雄兆豐銀行，物聯網中的大數據：中小企業商機無限（2016/6月） • TBLC台灣企業領袖交流會：商業4.0智能化大數據應用 & 企業數據力應用心法與技法，CSIA中 華兩岸跨業聯盟總會：大數據智能化人才服務（2016/6-8月） • 教育部優質高中計畫－教師課程發展會議（2016/6月） 講師 3
- 4. 北市公訓處排企業參訪-程曦資訊 感謝程曦資訊 張榮貴總經理與眾同仁，對於本課程 參訪學員的專業分享接待，分享如下： • 程曦資訊在客服整合服務上 屬創新領導業者，承接許多 縣市1999市民服務專線業 務，所以對於應用這項服務 在單位業務上，學員是不陌 生的，也可以很快想像 ChatBot在Line等通訊App 的應用優點與特性。 • 特別對於創新公司在公司願 景與工作環境打造印象深刻： 雲端與人、歷史走廊，程如 曦、勢如海的公司文化 4
- 5. 北市公訓處排企業參訪-程曦資訊 感謝程曦資訊 張榮貴總經理與眾同仁，對於本課程參訪學員的專業分享接待，分享如下： • 透過一整天的課程學習，學員可以理解 其中牽涉科技技術層面，譬如：網路環 境、雲端運算、機器學習、自然語言分 析，也理解黃士傑博士之於AlphaGo的 人工智慧智能系統訓練師的角色，想像 未來人機協同工作的情境已不遠。 • 非常感謝 榮貴總經理特別對參訪學員， 以智慧城鄉的市政服務創新4.0的藍圖， 介紹程曦資訊以智慧克服發展的過程， 對應人事物影響有精闢的介紹。 • 在QA時間學員也對ChatBot應用疑問 提出問題，榮貴總經理的解答讓大家獲 益非淺，這些內容補足在教室學習的不 足，透過業界創新實務分享，加大並加 深學習成效與成果。 5
- 8. 8 圖片來源：網路
- 10. 什麼是人工智慧 • 具有人工智慧的電腦已能透過運算、模擬以及解釋人類的行為，解決 許多醫學、農業、工業及商業上的難題，「所以人工智慧不只是單純 的電腦科學，它必須和數學、心理學、哲學語言學、神經生物學、電 子電機工程學…等各行各業相結合。」 – By 劉耀經 前美國農業圖書館館長，現擔任美國農業部研究管理助理部長， 35年的AI經驗 https://udn.com/news/story/7086/2727468?from=crm4-referralnews_ch2artbottom • 人工智慧（英語：Artificial Intelligence, AI）亦稱機器智慧，是指由 人製造出來的機器所表現出來的智慧。通常人工智慧是指通過普通電 腦實現的智慧。該詞同時也指研究這樣的智慧系統是否能夠實現，以 及如何實現的科學領域。 – By 維基百科 10
- 11. 11 微軟 CEO 納德拉：AI 不會取代人類，而是增強 我們的感官體驗與創造力 https://technews.tw/2016/11/03/microsofts-ceo-explores-how-humans-and-ai-can-work-together/
- 13. Top 10 Hot Artificial Intelligence (AI) Technologies Natural Language Generation 自然語言生成 Speech Recognition 語音識別 Virtual Agents 虛擬代理人 Machine Learning Platforms 機器學習平台 AI-optimized Hardware AI優化的硬件 Decision Management 決策管理 Deep Learning Platforms 深度學習平台 Biometrics 生物識別技術 Robotic Process Automation 機器人過程自動化 Text Analytics and NLP 文本分析和NLP自然語 言處理 13 There is no defined business case 42% Not clear what AI can be used for 39% Don’t have the required skills 33% Need first to invest in modernizing data mgt platform 29% A Narrative Science survey found last year that 38% of enterprises are already using AI, growing to 62% by 2018. Forrester Research predicted a greater than 300% increase in investment in artificial intelligence in 2017 compared with 2016. IDC estimated that the AI market will grow from $8 billion in 2016 to more than $47 billion in 2020. https://www.forbes.com/sites/gilpress/2017/01/23/top-10-hot-artificial-intelligence-ai-technologies/#709c25af1928
- 14. 14 The Economist Google leads in the race to dominate artificial intelligence -Tech giants are investing billions in a transformative technology https://goo.gl/L1swyG
- 15. 15 The Economist Google leads in the race to dominate artificial intelligence -Tech giants are investing billions in a transformative technology https://goo.gl/L1swyG
- 17. 人工智慧(AI)應用領域 • 全球搶進人工智慧(AI)布局，IDC 預估，零售業、銀行業、離散製造業、醫療保健 和流程製造業將是未來 5 年 AI 支出最大的行業。 – 明年台灣將有近 7 成金融業導入人工智慧。 – 台灣不少銀行等金融服務業者推出整合人工智慧技術與聊天機器人服務的智慧助理，藉此拉近 與客戶的互動關係 – IDC 預計，2018 年台灣將有 68% 金融業導入人工智慧，製造業次之，達 25% – IDC 預計，零售業和銀行業在2017 年將會是在認知和 AI 系統花費支出最大的領域，投資額分 別為 17.4 億美元和 17.2 億美元 • 據國際數據公司（IDC）全球認知/人工智慧 IT 支出(IT Spending)報告指出 – 2017 年全球認知和 AI 系統支出總額將達到 120 億美元，比 2016 年成長 59.1％ – 2021 年全球認知和人工智慧（AI）系統的支出預計將達到 576 億美元，預計 2016 至 2021 年複合成長率（CAGR）將達 50.1％ 17 https://technews.tw/2017/10/14/ai-top-5-investment/
- 18. 攻AI 微軟攜手國研院 2017/12/7 • 灣微軟今日與科技部轄下的財團法人 國家實驗研究院（國研院），簽訂 「國研院與台灣微軟AI策略聯盟合作 意向書」，雙方將在大數據、AI技術 與人才培育三大面向緊密合作，全方 位提升台灣AI研發能量，藉由軟硬體 資源的整合，打造頂尖的AI研發環境 並與全球接軌。 • 科技部提出「我國AI科研戰略」、5 年投入160億經費全面構築支援AI發 展的科研生態體系、打造良好的AI創 新生態環境；其中50億要做「AI創新 研究中心」培育頂尖的AI人才。 • 科技部雙管齊下，自上而下從生技醫 療、製造及演算法等發展我國具優勢 之核心技術，同時由下而上盤點我國 在相關面向的研發能量與人才。 https://udn.com/news/story/7240/2859407?from=udn-referralnews_ch2artbottom 台灣日前成立四個「AI創新研究中心」，分別坐落於 台灣大學、清華大學、交通大學與成功大學，負責執行 生技醫療、智慧服務、製造業等領域AI研究的整合， 盼將學術能量與產業結合，發展AI產業並培訓3000名AI人才
- 20. 20T h i n k B i g f o r B i g D a t a - D a t a G o v World of Watson, these are IBM’s 4 pillars and Big Blue is gearing up for an arms race and a big war - the war for mind share and for money. According to analyst firm IDC, big data and analytics spending will hit $203 billion by 2020. https://www.linkedin.com/pulse/war-4-pillars-big-data-cognitive-cloud-iot-bill-hayduk/
- 21. 顯而易見的事實與 未來科技創新戰爭戰場-IBM Business Intelligence Analytics AI / “Cognitive” Big Data Cloud Internet of Things (IoT) 21 Source： https://www.linkedin.com/pulse/war-4-pillars-big-data-cognitive-cloud-iot-bill-hayduk/
- 22. AI? What?! • I know, I don’t care. • I know, me too. or … • I don’t know, then I know and I will involve. 22
- 23. Agenda 1.關於人工智慧創新 2.實例應用介紹 3.科技創新(數位經濟) 4.機器學習與深度學習 5.數據智能驅動應用(教育科技創新個案實例) 6.練神功 How to do 7.政府開放資料 8.QA10+ 23
- 26. 很棒產品 或 服務 ? 從前26
- 27. 27
- 29. 數據運用已充斥在生活與工作周遭 • 如何找餐廳吃飯? • 如何找房子? • 如何搭車? • 如何找答案? • 如何學習? • 如何交朋友? • 如何找工作? 29
- 30. 30
- 32. 32
- 33. 33
- 34. 34
- 35. 35
- 36. 36
- 37. 37
- 38. 38
- 39. 39 Voice-activated smart speakers such as Google Home, Amazon Echo, and the yet-to- be-released Apple HomePod and Facebook’s Aloha.
- 40. 40
- 41. 智慧語音家庭助理 —除了藏身智慧手機等裝置，透過智慧音箱的形式推出產品，成為智慧家庭中樞 • 讓機器得以分配聲音、過濾雜訊、接收簡單聲音指令等語音接收 • 使機器可理解人類的話語、進而以一班對話方式與人互動初步語言處理 • 即時傳輸，連接廠商在雲端提供的服務，並可結合機器學習，使AI更 加了解使用者的情緒 雲端連接 • Knowles、意法半導體、BOSCH、歌爾、瑞聲、鑫創MEMS麥克風 • 德儀、Conexant、聯發科、恩智浦處理器 • 高通、Manvell、博通、聯發科、德儀WiFi ＆ Bluetooth 41 https://technews.tw/2017/09/23/ai-tesla-echo-infographic/
- 44. 建置聊天機器人 應用前 應該先知道的三件事： • 雖然沒有 AI 必定不能，但 AI 也絕非 萬能 • 沒有好的 Bot builder，Bot 很難全面 普及 • 發揮個人化、即時性，才能打造 100 分的 Bot 體驗 44 https://www.inside.com.tw/2017/06/14/why-the-chatbot-be-famous
- 46. 46 https://www.intercom.com/https://www.zendesk.com/ Web Help Center & Knowledge Management
- 47. 47
- 48. Google vs. Tesla 無人 車 • Google自2009年，已累積200萬英里無人車駕駛測 試。Google稱測試無人車頭兩年，便已解決90%自 駕車會遇到的問題，不過剩下10%才是挑戰，例如， 教無人車辨識物體、了解騎士的手勢意義、認出消防 車、警車等並做出反應。 • 希望在2020年推出商用無人車，Google無人車過去 測試的7年間，雖然發生過共17起擦撞意外，但肇事 責任都不在Google。不過，這項完美紀錄在2016年 2月被打破，Google無人車發生第一起因自己失誤造 成的車禍。 • Tesla 自駕系統行駛超過1億3,000萬英里後發生第一 起死亡車禍。相較下，美國平均每行駛9,400萬英里 就有一起死亡車禍，全球則為6,000萬英里。 • 除了軟體，特斯拉在10月時宣布，目前特斯拉出場的 所有車款，都已具備完全自動駕駛所需的硬體，包含 8個攝影鏡頭、12個聲納和雷達，車載電腦的計算能 力更比上一代快上40倍。 48 https://www.bnext.com.tw/article/42243/now-is-the-right-timing-for-developing-self-driving-car
- 52. 自駕車零件供應 •光達-Velodyne、Ｑuanergy、TetraVye •車用鏡頭-亞光、舜宇光學、佳凌、華晶科 •影像前端處理-恩智浦、意法半導體、Modivos(英特爾)、英飛凌、德儀、海恩、Nextchip •車用面板-京東方、友達、群創、天馬 •雷達MCU-德儀、意法半導體、恩智浦、瑞薩、Microchip、英飛凌 •胎壓感測器-為升、六暉 環境感測 •軟體商-Google、Apple、Uber、百度、阿里巴巴、騰訊 •車用電子系統-Denso、BOSCH、Continenta、MAGNA、AISIN •中央處理器-輝達、英特爾、高通、賽靈思、德儀、瑞薩、恩智浦 處理分析 •內部乙太網路-博通、Marvell、恩智浦、Microchip、瑞昱 •LTE-高通（英特爾、海思、聯發科、展訊） •GPS晶片-高通、博通 •HAD Map-Garmin、TOMTOM、Here、高德、四維圖新、百度 •內部WiFi & Bluetooth-高通、Marvell、博通、聯發科、TI 車聯網 52 https://technews.tw/2017/09/23/ai-tesla-echo-infographic/
- 53. 53
- 54. 54
- 55. 55
- 56. 56
- 57. CVPR 展出五款極為先進 的人工智慧 app • Skydio 與「出色的飛行能力」 • WRNCH：就是一只濕鼻子 ， 讓電腦擁有狗兒的 特質 • 商湯科技：運用電腦視覺抓壞人 • AIPoly：人工智慧人道的那一面 • Mapillary：群眾外包製作出更精準的本地地圖 57https://blogs.nvidia.com.tw/2017/07/5-shockingly-advanced-ai-apps-at-cvpr/
- 58. • Google 推出搭載人工智能的聊天軟件 Allo，https://allo.google.com/ – 6 大新功能讓 Whatsapp 自愧不如！Google Allo聊天可用Google個人助理中文指令15則 • Ostagram，https://www.ostagram.ru/ – Ostagram 是一個圖像合成工具，它可以將兩張不同的照片，合成一張照片，而且兩張不同的 照片的畫像會融為一體，看著真的不錯。不過看到有人說有點慢，還好還有其他App 可以替 代，國內的in App 就出了一個inDream 功能，可以完全替代Ostagram，速度也很快。 • Prisma，https://prisma-ai.com/ – Prisma 是一個可以為你的照片添加藝術效果的App。它利用神經網絡和人工智慧，你選擇好 照片，選擇好濾鏡，所有處理都在伺服器處理，所以很有點慢，需要等待一下，不會立馬出來。 目前已有四十種左右的濾鏡，它內置了很多大家的作品的風格，不凡有像畢卡索，芒克這樣的 名家的畫。它除了可以處理圖片，還能處理視頻，同時支持iOS 和Android 版本。 • 彩雲小譯，https://caiyunapp.com/ – 彩雲小譯是一個同聲翻譯App。它可以實時根據你說話的聲音實時翻譯，就像一個在你面前的 翻譯官。而且它還很智能，可以自動識別中文和英文，而且它翻譯速度快，特別準確。而且還 有大屏預覽模式，你去國外旅遊，你們兩個使用它可以實時對話，自己看自己的語言，簡直高 大上的不要不要了。目前只支持中文和英文，同時支持iOS 和Android 版本。 58https://kknews.cc/zh-tw/tech/85narqq.html
- 59. • 語記，http://www.voicecloud.cn/ – 語記是科大訊飛推出的一款語音轉文字記錄應用，它也是目前為止第一款語音轉文字的應用。它可以讓你說話就像打字 一樣，除了支持普通話，它還支持很多方言和英語，而且所有的東西都能幫你保存。它還可以文字轉語音，你還選擇不 同主播的聲音，這麼酷的東西當然也支持讓你分享出去。 • 測出你是多少歲？http://how-old.net/ – 這個網站是微軟推出的一個用於識別多少歲的網站。你只需上傳自己或者其他人的圖片，它都能識別多少歲，它還會根 據你的妝容，美顏效果，是否留鬍子來識別。好吧，效率君留著鬍子是三十多歲，好心累。根據它的官方介紹，它還能 識別物品，但是我測試了下，並不是很準確啊。它還有搜索功能，你可以隨意搜索出名人，可以將搜索結果用於識別。 • Mojitok，http://www.mojitok.com/ – Mojitok 是一個自動聊天表情包工具，是一個韓國公司出品的，還好支持微信。你只要寫字，根據人工智慧後台分析， 它就能自動識別出表情包。它目前已有7000+ 的表情包，而且還在不斷擴充，而且它還開放了API，你可以在任何地方 使用它。同時支持iOS 和Android 版本。 • 形色，http://www.xingseapp.com/ – 形色是一款可以自動識別花的App。你拍完照，只需要幾秒，它就可以自動幫你識別是什麼花朵，還有花朵詳解的介紹。 它可以識別出四千多種花朵，準確率達到92%。使用它，你還可以看花朵地圖，可以看到周圍有哪些花朵。類似的App 還有微軟識花。 59https://kknews.cc/zh-tw/tech/85narqq.html
- 61. 德國企業凱馳—賣清潔機器 vs. 賣空氣 • 顛覆原有的商業模式，客戶可以不買機器，改買 使用多少壓縮過的空氣來計費的服務 – 因為凱馳的清潔設備，都是壓縮空氣形成壓力，讓 水變成高壓強水柱，來清潔髒污。 – 以前，賣愈大台機器利潤好，但客戶不一定需要 – 現在可以選擇訂定最低用量、付一定金額，根據客 戶的需求預估，來配置設備給客戶使用，用量超過 合約最低門檻，就再支付額外費用 – 客戶不必再購置機器，維修服務也可以一應交予凱 馳處理。 61 賀桂芬，凱馳百年企業三年「換心」、秤斤論兩賣空氣。 2016-07-06 天下雜誌601期 http://www.cw.com.tw/article/article.action?id=5077226
- 64. Canvas 9大要素 • VP 價值主張 • CA 客戶活動 • CH 通路 • CS目標客戶 • R$ 收益 • KP 合作夥伴 • KA 關鍵活動 • KR 關鍵資源 • C$ 成本 64
- 65. 創意與創新 ─使用者體驗：改善一小步 資料來源：www.businessmodelgeneration.com 65 VP 價值主張 CR 客戶關係 CH 通路 CS目標客戶 R$ 收益 C$ 成本 KR 關鍵資源 KP 合作夥伴 KA 關鍵活動
- 66. 價值主張VP關鍵夥伴KP 關鍵活動KA 關鍵資源KR 客戶關係CR 通路CH 目標客戶CS 成本流C$ 收益流R$ 轉型工業4.0 (物聯網 + 大數據) 賣設備 維修設備 賣空氣 待維修時間長 無線通訊感應 代理商 維修設備 KA 關鍵活動
- 68. 商業模式 Business Model-Case01 價值主張關鍵夥伴 關鍵活動 關鍵資源 客戶活動 通路 目標客戶 成本流 收益流 68 在路邊臨時或緊急 乘車服務 計程收費 / 現金 馬路 提供搭乘工具 營業車 開車維生者 的合作社 專業駕駛 交通部 營業車維修 車行規費
- 69. 商業模式 Business Model-Case02 價值主張關鍵夥伴 關鍵活動 關鍵資源 客戶活動 通路 目標客戶 成本流 收益流 69 在路邊臨時或緊急 乘車服務 計程收費 / 現金 馬路 網路 計程收費 / 信用卡 提供搭乘工具 隨時隨處臨 時或緊急 乘車服務 創造共享經濟 加值服務 營業車 開車維生者 的合作社 專業駕駛 私家車車主 Uber 網路系統 雲端網路系統 交通部 高額罰款 行政救濟官司 營業車維修 車行規費
- 70. 商業模式 Business Model-Case03 價值主張關鍵夥伴 關鍵活動 關鍵資源 客戶活動 通路 目標客戶 成本流 收益流 70 在路邊臨時或緊急 乘車服務 計程收費 / 現金 馬路 網路 計程收費 / 信用卡 提供搭乘工具 隨時隨處臨 時或緊急 乘車服務創造共享經濟 加值服務 營業車 開車維生者 的合作社 專業駕駛 私家車車主 Uber 網路系統 雲端網路系統 交通部 高額罰款 行政救濟官司 營業車維修 車行規費 無人車 vs 自動駕駛 ? ? ?
- 72. 進入大數據應用領域 72 問題驅動取向 （Problem Driven Approach） 資料驅動取向 （Data Driven Approach） 資料來源：大數據@工作力 不同案例Big Dat商業模式差異比較，看出價值?!
- 73. 73 案例 應用大數據取向 大數據價值 UPS 四萬六千台車輛通訊感應器（物聯網） 修正送貨路線、節省成本 聯合健保 NLP 客服紀錄顧客錄音，並轉為文字 分析顧客滿意度資料，其他多個來源顧客資料， 由大數據團隊進行分析：健保理賠，疾病病程與 治療狀況 梅西.com 顧客導向資料分應用：個人化、精準廣 告與電子郵件、搜尋引擎最佳化 高數據技術大數據團隊：不該為用而用，注重投 資報酬率，只投資真能解決問題的技術上 美國銀行 龐大分散於各管道的交易、顧客、未結 構化等資料，注重前兩者 以往僅能抽樣，轉改採大數據技術，了解顧客， 明確定義區隔顧客，提供更一致、有吸引力的產 品與服務，由專案化大數據團隊負責 花旗銀行 有了總資料室基礎，面對日益增長企業 資訊，做好整合性、品質，轉換至大數 據善用開放源碼工具平台 降低成本、拓展環境、促進對顧客關係與顧客行 為了解，加深大數據科技創新，擴展地理限制顧 客影響範圍 希爾斯控股 領先同業的資訊科技應用能力，大數據 技術PB級零售資料整合-顧客、產品、 銷售、活動 提高行銷成果，把更多顧客找回店裡，從八週複 雜行銷活動推出時程，縮短成一週，更將大數據 營運能力獨立成公司對外服務 LinkedIn 活躍大數據活動-資料工程團隊、資料 產品團隊、商業資料分析團隊、產品資 料科學團隊等 加值應用數據的功能-搜尋用戶技能、可能認識 的人、類似工作、可能喜歡團體，預測最可能感 興趣的內容 資料來源：大數據@工作力
- 74. • A Culture of Big Data: Case Studies from Google • Data Science at Riot Games • 善用資料改善線上教育 : 一個十五人團隊，如何從無到有，融入資訊做決策 • 用數據解決都會城市的停車問題 • 有志一同：社群網路分析、電商、零售及網路行銷 • Data as a Service: 數據的新經濟 • 隨機對照實驗在公共領域的應用 • 數據分析在運輸管理之應用 • 全球網路攝影機帶來的機會與挑戰 • 大數據下的情緒分析 • 一個賭徒的告白 2：交易策略建構與分析，為何你該賭小一點 • 銀行資料這樣玩 • 從薪酬制度讀 CEO 的行為心理學 • 數位廣告大數據 • How to Approach Data Science Problems from Start to End: Two Case Studies • 自己的空氣品質自己量 : 談參與式環境感測的機會與挑戰 • 如何備料：資料的抓取、清理以及串接 • 心理與行為資料中的因與果 • 資料科學與防疫應用的結合 : 以登革熱防治為例 • 資料分析前的奏曲 : 談資料收集的挑戰 74 http://datasci.tw/agenda.php#!tab4 第一天 7/16 重要主題Big Data案例介紹
- 75. • 未來城市的任意門 (Mobility on Demand for Future Cities) • 從電腦視覺看人工智慧 : 下一件大事 • 人類行為訊號處理 : 跨學科 (醫療、教育、心理) 應用實例分享、心得、展望 • 有志一同：資料視覺化、資訊安全、教育大數據、健康醫療、財務金融、人工智慧/機 器學習/深度學習、開放資料及個資保護 • 公私協力的公共服務 - 以資料面詮釋 • The Inception of Learning from Big Video Data • 從手機解讀行為與心理 • Crowd Computing for Big and Deep AI • 智慧型工程管考系統 : 資料分析經驗談 • 音樂資料檢索 • 當語音處理遇上深度學習 • 貓都學得會的手機維修資料分析 • The Growth of a Data Scientist • Practical Issues in Machine Learning • 沒有大數據怎麼辦 ? 會計師事務所的小數據科學 • Feature Engineering in Machine Learning • 未來城市的交通運輸 • 漫談 R 的學習挑戰與 R 語言翻轉教室 • 娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用 • 空間數據分析推動精準新農業 • Open Innovation as Strategic Plan • 世代之爭爭什麼 ? 談談如何從調查資料挖掘出豐厚的意義 • 資料視覺化的 20 個小訣竅 75 http://datasci.tw/agenda.php#!tab5 第二天 7/17 重要主題Big Data案例介紹
- 76. 2016台灣資料科學愛好者年會論壇， 以及兩天的前課程，分享! 76 1. 擁有資料並積極善用者，才能發揮資料的價值 2. 資料累積如同投資，要有長遠觀點與紮實行動 3. 資料在精不在多(微量、輕量、巨量)，面對資料要能問對問題，或是 從問對問題開始，才能找到並梳理資料 4. 大數據世界裡，強調分享與合作，誰都無法握有全部的資料，如何 拿到別人的資料? 或許從分享自己的手上"油"開始 5. 資料科學家為何身價如此高? 豐沛的實務經驗與對問題的敏銳度，同 時要經過資料科學技術鍛鍊(千錘百鍊)，大數據團隊沒有這樣的人才， 資料的一點價值都找不到? (擠不出半滴油? 或是劣油傷身?!) 6. 未來每家企業或組織都需要有"油"保身，挖礦礦工工作都得時時做， 不然對日後發展只能說「 Good Luck & Good Byte!」 分享與共勉! From Ta-Ming Chang
- 78. 五大創新產業與新農業、循環經濟，以數位經濟為底層，由此實踐軟硬結合 五大創新研發產業： 一. 台南沙崙為中心的「綠能研發中心」 二. 桃園的「亞洲矽谷計畫」，發展物聯網與智慧產品 三. 以台北資安、台中航太、高雄船艦為中心的「國防產業聚落」 四. 中研院所在的南港園區、竹北生醫園區延伸到南科的「生技產業聚落」 五. 台中的「智慧精密機械聚落」 工業4.0（台灣生產力4.0計畫於2016年7月停止）
- 79. 下一波機會 • 人工智能 • 文化娛樂 • 線上教育 • B2B • 消費升級 • AI 創新工廠李開復— 未來爆火的，將會是這六個領域 * https://www.smartm.com.tw/article/32373830cea3
- 81. 台灣企業對新興科技的需求 • 可以獨立學習並完成指令的智慧機器或軟體。例如：機器人、聊 天機器人、自動駕駛車等 人工智慧 （Artificial intelligence） • 裝置中內建互相連接的感應器，此物聯網絡可以蒐集數據資訊或 由遠端遙控。例：智慧建築、汽車（車聯網）及家電用品等 物聯網 （IoT） • 下一代電腦因運用不同的運算系統，可以比傳統電腦更快地計算 出數據方程式 量子電腦運算（Quantum computing） • 衣物、裝置或身上可內嵌進階的運算與電子科技。例：智慧手錶 及智慧手環 穿戴式科技 （Wearable technologies） • 可以處理自然語言、手勢及視覺資訊的電腦與軟體。例：微軟的 Skype 翻譯（Skype Translator）及聊天機器人 下一代電腦運算 （Next Generation Computing） 81https://technews.tw/2017/03/15/most-companies-will-carry-out-digital-transformation/
- 83. 83
- 84. 84
- 85. 85
- 86. 86 Next Big Thing. 機器人Pepper月薪26888 4勝1敗 - AlphaGo勝 五段棋王李世乭
- 87. 資料來源：工業局 工業4.0 (生產力 4.0) – IR / IoT / Big Data
- 88. 88 Gartner’s emerging technology hype cycle – 2017 edition https://whatitallboilsdownto.wordpress.com/tag/gartner/
- 90. 數位轉型浪潮 重新定義企業與員工 價值 90 隨著萬物相聯，各種裝置與網際網路、行動技術進一步密切整合，數位轉型的趨勢越來越明顯。在 2017 年的企業應用上， 大數據分析被 59% 的受訪者視為最具潛力，其次則是物聯網及人工智慧，分別為 57.6% 及 44.8%。 https://technews.tw/2017/01/08/2017-it-trend-report/
- 97. 97 Steve Jobs iPhone 2007 Presentation https://www.youtube.com/watch?v=vN4U5FqrOdQ
- 98. 98
- 99. 99 天下武功 無堅不摧 唯快(準)不破 您想練 物聯網+大數據+人工智慧 功夫嗎? 圖片來源：網路
- 100. Gartner 分析師 Doug Laney —Volume 資料量，Velocity 資料輸入輸出速度，Variety 資料類型，Veracity 真實性 在 2001 年發表的「3D Data Management： Controlling Data Volume, Velocity, and Variety.」 在 2012 年 全新的定義 「大數據是大量、高速、 及/或類型多變的資訊資 產，它需要全新的處理 方式，去促成更強的決 策能力、洞察力與最佳 化處理。」 100
- 101. 大數據特徵 • 大數據資料量龐「大」（Volume）、變化飛「快」 （Velocity），種類繁「雜」（Variety），以及 真偽存「疑」（Veracity） • 尤其在這資訊大爆炸時代，這些資料變得又多、 又快、又雜、又真偽難分 探索巨量資料這新領域 - Tim Smith https://youtu.be/j-0cUmUyb-Y
- 104. The role of ICTs in the e-commerce transaction/EDI value chain 104Source: OECD(2013/10) 貿易商 & 代理商 vs. 原廠 電子商務、跨境電商 、行動商務、第三方支付 電商平台 & 垂直電商 vs. 官網 (品牌)
- 107. 智慧代理機器人指日不遠! • 機器人正夯啊！連我也好想弄一台在家裡，但沒想到的是我們已經可 以「自己做機器人了」！ – 使用 IBM Bluemix 這樣的 PaaS 服務搭配 Watson API 後，除了比想像中好上手 之外，同時大幅縮短開發設計時間，自己也能快速完成一整套人工智慧系統啊！ 107 http://www.saydigi.com/2016/06/ibm-watson-robot.html
- 108. 108Think Big for Big Data – Smart & Automatics 大數據智能化 vs 人才工作之爭
- 111. 資料來源：工業局
- 112. 112 1個人領２份薪水做３份工作 65歲以上 15-65歲工作人口 14歲以下 2015 12% 74% 14% 2060 41% 50% 9% 資料來源：工業局生產力4.0
- 113. 李開復： “最大白領失業 潮來襲 4種「師」 首當其衝。” Future… Partner with Code. 醫師、律師、教師，與金融 ?! http://goo.gl/DD96tB @ALBiTER 113
- 114. 李開復 • 如果人工智慧辨識人臉超過人類，如果 聽覺也超過人類，那人類就會失業了 • 或是說，可以任何工作的思考在五秒鐘 內，包括：翻譯、記者、保安等，人工 智慧不只是要取代人類，而是遠遠超過 人類 • 人工智慧（AI）時代來臨，人類有很多 工作會被AI取代，人類未來只剩下兩件 事：一是創造力的工作，二是有愛心的 工作 114 https://udn.com/news/story/7086/2870170https://kknews.cc/tech/r98eq2v.html
- 116. 機器學習 與深度學習 116
- 117. 機器學習 Machine Learning 一個電腦程序從經驗E至學會， 針對某類任務T和性能指標P， 如果在T中的任務性能， 按P測量，提高了有經驗的E。 A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E. 117 Tom M. Mitchell, WIKI 另一個定義：機器學習目標是要電腦編碼運用舉例的資料，或過去的經驗來 解決已知問題。 麻省理工學院 https://en.wikipedia.org/wiki/Machine_learning
- 118. 商品販售與行銷 店員：請問…老闆，您真是了得! 老闆：飯可以亂吃，問題不可以亂問!? Association for Talent Development(from ASTD T+D Magazine April 2016) 一個電腦程序從 [E] 至 學會，針對 [T] 和 [P]， 如果在 [T] 中的任務性 能，按 [P] 測量，提 高了有經驗的 [E] 。 E: xxxxxxx……. xxxxxxx P: xxxxxxx……. xxxxxxx T: xxxxxxx……. xxxxxxx 118
- 119. 三大要素決定 Machine Learning 是否可以幫我們解決問題 • 第一：現象具有模式 (Patterns) – 現象、行為、規則 • 第二：該現象無法用簡單數學式表達 – 演算法： Supervised learning，Unsupervised learning， Reinforcement learning • 第三：必須要有數據 (Data) – 小、中、大數據 119http://chinese.classroom-aid.com/2014/10/the-classroom-will-learn-you.html/
- 120. Machine learning? 120 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 121. 簡單說… 121 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 122. Machine learning…How? • Supervised learning – 監督式學習，可以由訓練資料中學到或建立一 個模式，並依此模式推測新的實例。 • Unsupervised learning – 非監督式學習，並不需要人力來輸入標籤。它 是監督式學習和強化學習等策略之外的一種選 擇。 122 Source : WIKI https://en.wikipedia.org/wiki/Machine_learning
- 123. 123 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 124. 124 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 125. 資料價值：有效分析 vs. 靈活運用 5.決策 最佳化 • 運用機器學習等 演算法，由程式 自動建議產生參 數， 4.行為 解讀 • 根據資料來解讀 個體／群體行為 背後的動機 3.預測 • 同樣是根據歷史 資料，但目的是 要預測，預測未 來的表現或需求 2.推薦 • 基於歷史資料， 將廣告或商品推 薦給潛在消費者 1.情勢 評估 • 利用資料分析， 來評估組織／個 人／產品／決策 的績效 125 大數據分析的技術導入，獲得有價值結果的五個目的與內涵 資料來源：陳昇瑋。為什麼很多企業大數據應用的效益，沒有專家說的那麼神？科技橘報 https://buzzorange.com/techorange/2016/06/27/big-data-analysis-practice/
- 126. Deep Learning • 深度學習（deep neural network）是機器學習的分支， 是一種試圖使用包含複雜結構或由多重非線性變換構成的 多個處理層對資料進行高層抽象的演算法。 • 至今已有數種深度學習框架，如深度神經網路、卷積神經 網路和深度置信網路和遞迴神經網路已被應用在電腦視覺、 語音識別、自然語言處理、音訊識別與生物資訊學等領域 並取得了極好的效果。 • 另外，「深度學習」已成為類似術語，或者說是神經網路 的品牌重塑。 126 https://zh.wikipedia.org/wiki/深度学习
- 128. 類神經網路到深度學習 • 1986年，Rumelher和Hinton等學者，解決了複雜 計算量問題，帶動神經網路的研究熱潮，但是過不 久就發現瓶頸，使得類神經網路只要超過3層以上 就幾乎沒有效果! • 2013年，Google收購了多倫多大學的一家初創公 司DNNResearch，實際上，這家公司只有三個成 員，Geoffrey Hinton和他的兩個剛畢業的的學生- Alex Krizhevsky 和 Ilya Sutskever。 128 • 關鍵者：深度學習之父 - Geoffrey Hinton。 Hinton整整力搏30年，終於在2006年找到 解方，突破成功續戀多層神經網路，重新 命名深度學習（Deep Learning），簡單 地說就是建立、模擬人腦進行分析學習的 人工神經網絡。 https://kknews.cc/zh-tw/tech/4vbkxx.html 2012年Hinton的兩個學生使用NVIDIA GPU拿下ImageNet冠軍（ 2013年12%，2014年7%，2015年3.5% ），針對訓練神經網路，利用 GPU要較使用CPU的速度快上10到20倍。自從2006年被提出後，Deep Learning極大地推動了語音識別、視覺、自然語言處理等方面的進展。
- 129. 129 DeepMind是一家英國的人工智慧公司。 公司建立於2010年，最初名稱是DeepMind科技 （DeepMind Technologies Limited），在2014年 被Google收購。 from Wiki https://deepmind.com/blog/alphago-zero-learning-scratch/
- 130. AlphaGo 黃士傑：AI 將成人類工具非對抗 • 團體使用深入學習與強化學習的方法，利用8 個月的時間徹底解決AlphaGo的弱點 • 改善之後，2016年底，黃士傑低調回到台灣， 並用Master的名義申請圍棋網站，在他自己的 房間內向職業棋手挑戰，一整天下來，除了吃 飯就是在下棋 • 他認為，AlphaGo可以幫助棋手擴展思路，擴 展圍棋理論，成為人類的工具，而非威脅 130 AlphaGo幕後推手 工程師黃士傑是業餘6段棋士 https://udn.com/news/story/7086/2810271
- 131. Alphago Zero有多強!? —2天就超越人類, 40天讓5子, 那87天就 ... 131 https://www.youtube.com/watch?v=m13QHNMHAa4
- 132. AlphaGo 教學工具 台灣時間 12 月 11 日晚間， Google 宣布推出圍棋教學工具 AlphaGo Teach，而在 12 月 12 日晚間，僅僅一天之後， DeepMind 資深研究員的黃士傑 宣布離開 AlphaGo 計畫。 132 https://alphagoteach.deepmind.com/ 收集了23萬套人類對弈的 棋譜及AlphaGo和人類棋 手對戰的棋譜。 https://technews.tw/2017/12/13/aja-hung-leave-deepmind/
- 133. Big Data應用 —加速、自動化、智能化 • Big Data萃取出智慧的作法，和傳統人工智慧 （artificial intelligence）的作法有很大的區別 – 過去很多人所發展的人工智慧技術，重視演算法 （algorithm）和模型（model）的開發 – 自然語言處理（natural language processing, NLP） 這個領域，偏重於文法、語意的規則（rules），想辦 法把諸多的規則放進電腦，希望讓電腦成為有能力分 析人類語言的專家系統（expert systems） 133
- 134. 教英文的方法為例 • 在台灣國中裡面文的方法 – 要學生背誦各種拼音、造字、文法規則，希望 他們能夠以此看懂文章，按照文法作文 以Big Data做自然語言處理 的方法，並不講究文法 134
- 137. Impact • TEDxBroadway演講，Ben Wellington 提供五項原則， 透過故事讓數據更有意義(Making data mean more through storytelling) – 1.連結人們的經驗 Connection with People's Experiences – 2.專注一個創意 Focus One Idea – 3.讓它簡單化 Keep it Simple – 4.探索你最熟悉的 Explore the Things You Know Best – 5.發生改變 Make an Impact 137 https://youtu.be/6xsvGYIxJok
- 142. 數據智能驅動 應用(實例) 142
- 143. 知識傳達 vs 能力傳授 徒：請問…師傅，您真是了得! 師：飯可以亂吃，問題不可以亂問!? Association for Talent Development(from ASTD T+D Magazine April 2016) 一個電腦程序從 [E] 至 學會，針對 [T] 和 [P]， 如果在 [T] 中的任務性 能，按 [P] 測量，提 高了有經驗的 [E] 。 E:根據知識、技能與經驗提問問題 P:部屬問題闖關及格通過率 T:部屬要對提問解決問題並回答
- 145. 商業模式 Business Model 價值主張關鍵夥伴 關鍵活動 關鍵資源 客戶活動 通路 目標客戶 成本流 收益流 Data Drive 學&教 20% & 80%
- 146. 結語
- 148. x = 學生學習成效 (時間、學習力、投入、其他) y= 老 師 教 導 成 效 ( 時 間 、 教 導 方 法 、 教 材 、 其 他 ) 高 高 低 學習成效：科技創新 由數位內容轉為由資料驅動 以人為本 以科技為碁 ( 社 群 ) 教 導 接 力 。 因 材 施 教 ─ 透 過 方 法 與 科 技 創 新 結 合 ， 有 效 提 高 學 習 成 效
- 149. 以問題為導向（1.學習任務） 持續的學習任務 & 即時資源與支援 （2.支援資訊 & 3.即時支援資訊 ) ） 演練與學用合一 （4.部分工作演練） 4C/ID-Model四元素教學設計模式 ＆思翱157闖關式學習工作坊 由資料驅動（Data Drive）的學與教對話、互動，能深化學習 （整合 & 對話）並提高學與教的價值產出，並能有效精準回答，在學 習與教學指導情境，隨時的Why, Who, What, When, Where, How 1.深度學習 2.適性與個別化學習 3.支援回覆學生需求 4.評鑑與改善內容與流程 5.適切資源供學生選擇 美國教育部教育科技辦公室在 2012教育科技白皮書五項創新建議…
- 150. Agile Design Thinking Innovation Flipped Learning & Analysis—以終為始、學習分析、數據驅動 A D D I E 150 D D E 教 學 設 計 要 讓 學 教 ( 移 轉)更 好 ?! “Transformation & Scale” 以 問 題 導 向 的 教 學 與 學 習 ? !
- 152. 152 教室學習 數位學習 行動化學習 無所不在學習 Exploration Experience Excitement Empowerment + Learning fx (ABC.LSTP)=AlbiTer(handbooks, clouds, train the trainer) Ta-Ming Chang(2014, 2016) Online to Offline
- 154. 154 What happened? • 描述性分析 Descriptive Analytics Why did it happen? • 診斷式分析 Diagnostic Analytics What will happen? • 預測式分析 Predictive Analytics How can we make it happen? • 指導性分析 Prescriptive Analytics 價值 困難度 & 複雜度 傳統BI 進階分析-大數據 落後指標 洞見與覺察 領先指標 撿 找 人 算 神 算 Edited by Ta-Ming Chang , 2016/8/2 Big Data應用技術演變， 人 & 技術，大數據專案 本身
- 155. 4C/ID- model Step.1 思翱 157 Step.2 闖關 幫幫忙 Step.3 思翱 倍力 Step.4 研發 設計 科技 服務 155 活動設計複雜學習 行動遊戲式 數據驅動 規模化與 智能化 數據蒐集 與應用 設計-活 動（虛） 設計-活 動（實） 基礎理論 目的與需 求
- 156. 156 大數據研 究方法 大數據專 案團隊 學教脈絡 理論模式 學習分析 方法論與 演算法 學教脈絡 視覺化圖 表 企業內部練兵 學習 & 外部資源 1. 由使用者行為現場脈絡，蒐集必要資料，並且依照產業專業模式，對待與 探索這些資料? 2. 資料室如何進行加減乘除的，或是進階的演算法? 數據是拿來用的，不是拿 來看的! 3. 數據轉換成視覺圖表後，經探索發掘了什麼，這時需要的想像力! 4. 大數據團隊成員是否對數據分析探索是否充滿熱情? 5. 外部資料是否能夠為我們所用? 6. 我們要如何分享我們的資料?
- 157. AlbiTer Mind Map P1 設定目標 P2 擬定計畫 P3 闖關式教學設計 P4 實施闖關式教學 P5 產生倍力大數據 P6 持續螺旋式學習 Designed by Ta-Ming Chang & Roger Lo , 2015/9ABC.LSTP redoubles Big Data T+D Service Guide for Instructor A l b i T e r ─ 推 動 學 教 移 轉 中 心 的 六 項 動 力 ABC.LSTP redoubles Big Data T+D Service Guide for Instructor 1 2 3 4 5 6 你感受過這樣的動力感覺嗎? 157
- 158. 158
- 159. Business Goal & Transformation LSTP （Level 3-4-5） Learning Smart Smart Training Training Performance LSTP, Learning Smart Training Performance-Design by Ta-Ming Chang LSTP （Level 1-2-3） 學的好 & 教的棒 - 訓練績效看的見 159 Level 1 學到 賺到 得到 做到 問卷-滿意度（外） 能力自評 & 前後測 做 & 產出 績效、商業影響 效益-營收、 成本、社會責任 人到 準備度自評（內） Input & Process Micro Micro Macro Mega Kirkpatrick's four-level evaluation framework (update) + ROI and Kaufman & Keller’s five levels of critical organizational concern and evaluation. Point 5 Strategy Level 1-Reaction, Satisfaction, and Planned Action Level 2-Learning Level 3-Application Level 4-Business Impact Level 5-ROI、CSR Vision & Mission 1 2 3 4 5 0心到 （ 進 入 策 略 ） 6 Readiness 老手＋ 老手 中手＋ 中手 新手＋ 新手 Level 0-Level 0
- 160. P>, E< | P<, E> | P>, E>，前者題目太簡單，中者題目太難，後者學習最多，再觀察小組，學員的闖關 看P泡泡大小，泡泡大為前提，E> | E <，前者表學習最多，後者學習沒效果，再觀察小組，學員的闖關 看P泡泡大小，泡泡大為前提，R> | R <，前者表對資源&支援需求多（投入學習動機強），後者則少，再觀察小組，學員 的闖關 看P泡泡大小，泡泡大為前提，Ｓ> | Ｓ<，前者表參與社群多（評分、支援投入多），後者則少，再觀察小組，學員的闖 關 整合學與教脈絡大數據應用的教育創新：以思翱倍力大數據服務為例（張大明，羅志傑，蕭舒方）@2016 160
- 168. 168
- 169. 內功與外功 練神功 169
- 170. 大數據專案 —資訊系統開發專案 • 失敗 or 成功 – 為什麼需求會議開了多次，需要異動狀況還是層出不前，造成時 間延遲，預算超支? – 為什麼花了這麼多錢的大數據專案(系統)，使用者總是抱怨連連， 預期效益沒有發生或不佳? • 需求 or 目的 – 「這個Idea在幹什麼」? – 客戶您知道 「您真的知道自己在幹什麼」? – 專案經理您知道 「您真的知道客戶在幹什麼」? – 討好客戶的PM，亂開難以實做與無實際效益的規格 – 規格表現的形式讓RD難以理解實做 – Problem Statement的人，不懂技術是搞不定的? 170 http://blog.xdite.net/posts/2014/05/29/from-idea-to-product-user-story
- 171. ABOUT 願景 vs. 需求 願景 → 價值→ 目的→需求
- 172. 172 領先指標 vs 落後指標 好設計 vs 好服務 門面 vs 包 裝行銷 持續改善
- 174. 溝通形式與流程 • 感性的感覺 –故事情節 –情境 vs. 角色 –情境：人事時 地物 • 理性的事實 – 邏輯的考驗：因 果 vs 順序 – 提問者 vs. 回答 者 – 問題的描述 – 回答的描述
- 175. Story Board & Why-How —Tools • Story – 當我是(As a) – 我想要(I want to) – 所以(So that) • Acceptance Criteria – 就提供使用者(Given) – 當(When) – 然後(Then) • Conversations – 對於目的需求確切的描述 – 對於一些額外限制的描述 – 轉換為規格描述 Why How
- 176. 改善流程 • 分析 – 方法：量化與質化 – 溝通：當責者與參與者-團隊合作 • 找出問題 – 發散 & 收斂 • 行動-改善措施 • 驗證確認 – A/B Test
- 177. DELTA模式 —大數據資料分析發展模式 資料 Data 企業 Enterprise 領導 團隊 Leadership 目標 Target 分析 Analysis 177資料來源：大數據@工作力
- 178. DELTTA 大數據 資料 找出可能的資料來源、經過處理將未結構化資料轉換為結構化資料，將 多個來源資料整合到同一資料集中；平日的資料治理，整合至大數據流 程 企業 早期接納-新創或線上企業；試探-驗證概念或探索資料，非完全量產應 用；導入-合理分配資源或結合多項專案、創造綜效 領導團隊 對大數據信心；待在橋上的溝通者；很難評估投資報酬率，投如新產品、 新服務或加快決策流程的挑戰；決策者的耐心 目標 組織的選擇與大數據應用的順序；嘗試與驗證 vs. 效益價值（降低成本、 提高處理資料的速度、開發新產品或服務、利用新資料與新模型改良決 策） 技術 平台架構、語言、視覺化工具，與機器學習演算法等 分析 資料科學家-水平或垂直型，駭客、科學家、顧問、量化分析師、商業 專家 178資料來源：大數據@工作力
- 179. 大數據整體技術架構 —如何與傳統資料倉儲＆資料分析基礎架構並存 • Hadoop – 用於在多個平行伺服器上處 理大數據開放原始碼軟體 • MapReduce – Hadoop據以發展的基礎架 構 • 腳本語言 – 與大數據企業的程式語言 （如 Python、Pig、Hive、 R等） • 機器學習 – 用於迅速找出最適於某資料 集的軟體技術 • 視覺化資料分析 – 以影像或圖像形式呈現資料 分析結果 • 自然語言處理 – 用於分析文字出現的頻率、 意義等事項軟體 • 記憶體內建資料分析 – 能夠在電腦記憶體中以更高 速處理大數據 179資料來源：大數據@工作力
- 180. 資料科學家 —要有經驗的Big Data分析師是很困難的事 • 因為除了懂得分析之外，還必須能充分了解和運 用Big Data所使用的平台技術， • 目前具備實務經驗的Big Data分析師一位難求 180
- 184. 184
- 186. 模板、範本 186
- 187. 如何找尋、適配並說故事 187
- 194. 對資訊部門 —分辨資料分析技術差異並盤點現況 • 資料分析差異 – 傳統統計分析：建立假說，再檢驗它是否有資料相吻合 – 大數據資料分析：運用機器學習，自動建模手法，套用多種模式 到資料上，以找出最吻合模式 • 技術評估 – 如何將大數據能力加到目前的資訊基礎架構 – 是否具備適切技術基礎能力，能夠切入大數據方案，譬如：開放 源瑪工具平台 • 組織評估 – 評估組織初步性問題是大數據的新技術可能幫忙解決的 – 思考大數據技術在未來組織中扮演特定角色與功能 – 運用與導入大數據技術的階段步驟，以及經費與人力的資源 194資料來源：大數據@工作力
- 195. 195 Source：IFPC
- 201. http://data.gov.tw/
- 203. 英國開放知識基金會（OKFN）開放資料 （Open data）國際評比結果出爐，台灣在 全球149個國家中名列世界第一 203 http://www.appledaily.com.tw/realtimenews/article/new/20151209/749534/ • 2013年名列第36名 • 2014年名列第11名 • 2015年進步到第1名
- 204. 開放資料(Open Data) 一秒搞懂政府網站創意競賽 • 透過Open Data之需求彙整與推廣，鼓勵業界自主發展開放資料應用與改良 商業模式，建立起示範標竿，進而帶動各項創新服務，活化整體社會經濟。 並藉由多元推廣宣傳來促進知識擴散與學習，以有效全面提升Open Data的 觀念與認知。 204 http://opendata.tca.org.tw/
- 206. Open Data Top 20 1. Data.gov.uk the UK government’s open data portal including the British National Bibliography – metadata on all UK books and publications since 1950. 2. Data.gov Search through 194,832 USA data sets about topics ranging from education to Agriculture. 3. US Census Bureau latest population, behaviour and economic data in the USA. 4. Socrata – software provider that works with governments to provide open data to the public, it also has its own open data network to explore. 5. European Union Open Data Portal thousands of datasets about a broad range of topics in the European Union. 6. European Data Portal is a European portal that harvests metadata from public sector portals throughout Europe. EDP therefore focuses on data made available by European countries. In addition, EDP also harvests metadata from ODP. 7.DBpedia crowd sourced community trying to create a public database of all Wikipedia entries. 8. The New York Times a searchable archive of all New York Times articles from 1851 to today. 9. Dataportals.org datasets from all around the world collected in one place. 10. The World Factbook information prepared by the CIA about, what seems like, all of the countries of the world. 206 http://datatovalue.co.uk/top-20-open-data-sources/
- 207. Open Data Top 20 11. NHS Health and Social Care Information Centre data sets from the UK National Health Service. 12. Healthdata.gov detailed USA healthcare data covering loads of health related topics. 13. UNICEF statistics about the situation of children and women around the world. 14. World Health organisation statistics concerning nutrition, disease and health. 15. Amazon web services large repository of interesting data sets including the human genome project, NASA’s database and an index of 5 billion web pages. 16. Google Public data explorer search through already mentioned and lesser known open data repositories. 17. Gapminder a collection of datasets from the World Health Organisation and World Bank covering economic, medical and social statistics. 18.Google Trends analyse the shift of searches throughout the years. 19. Google Finance real-time finance data that goes back as far as 40 years. 20. UCI Machine Learning Repository a collection of databases for the machine learning community. 21.National Climatic Data Center world largest archive of climate data. 207 continue
- 209. 台南2015年登革熱恢復狀況 209 https://www.taiwanstat.com/realtime/tainan-2015-denguefever-recovery/ • 資料來源：臺南市政府資料開放平台 • 最新病例資料日期：2015/12/08 • 圖表呈現臺南市各里近期的登革熱狀況，依 「近2週內無病例」、「近1周內無病例」與 「其他」三種情況區分。 @2016/8/5 http://www.slideshare.net/tw_dsconf/ss-64078404 莊坤達/資料科學與防疫應用的結合 : 以登革熱 防治為例
- 210. 臺灣2013－2016年輿情演變 210 https://www.taiwanstat.com/statistics/news-topic-evolution/ Obama, the ‘big data’ president https://goo.gl/0Ywuix https://join.gov.tw/
- 212. 212 『Big Data， Better Health』 -PHILIPS 『最大的挑戰是如何 把健康資料轉換為具 有價值與意涵的格式 並且整合於醫療系統 之中』 Source: https://www.flickr.com/photos/juhansonin/
- 214. 214 https://opendata-contest.tca.org.tw/announcement2.aspx 政府及企業指定類 - easy Traffic服務平台組 政府及企業指定類 - 氣候變遷創新應用組 政府及企業指定類 - 農業開放資料應用組 政府及企業指定類 - 經濟開放資料應用組 政府及企業指定類 - TGOS MAP應用組 大會指定類 - 開放資料應用組
- 215. 215 天氣
- 216. 216 交通運輸
- 217. 217 健保、勞保
- 219. 219 旅遊
- 221. 學習資源-搜尋關鍵字 • 資料科學 Data Science • 大數據 Big Data • 機器學習 Machine Learning • R語言、Python • 網路爬蟲-Crawler • 分析方法- – 描述性分析 Descriptive Analytics、診斷式分析 Diagnostic Analytics、 預測式分析 Predictive Analytics、指導性分析 Prescriptive Analytics • 演算法- – Supervised learning，Unsupervised learning，Reinforcement learning • 大演算-機器學習五大學派 – 演化論學派、類神經網路學派、符號理論學派、貝氏定理學派、類比推理學派 221 http://www.books.com.tw/products/0010722761
- 222. 結語 222
- 223. 全球首位獲得公民權 機器人 ─ 索菲亞 • 記者提問，「人類是否 需要為機器人的存在感 到憂心？」 • 「你讀了太多馬斯克的 談話內容，跟看了太多 好萊塢電影了。」索菲 亞說：「別擔心！只要 你對我好，我就會對你 好。」 https://www.bnext.com.tw/article/46736/saudi-arabia-robot-citizen-sophia 最美AI機器人獲公民權，意外掀起 沙國女性地位論戰 https://www.youtube.com/watch?v=Bg_tJvCA8zw
- 224. “在我們擁有強大而普及的技術的時 代，人們的技能越來越重要。 這聽起 來有悖常理，但為了擊敗機器人，你 需要變得更加人性化。” 我們可能生活在一個數位化世界，但是溝通、解決問題、 合作和同理心等軟技能（SoftSkill）比技術更有價值。 —Cognizant Digital Business首席戰略官Paul Roehrig 224 These Are The Job Skills Of The Future That Robots Can’t Master https://www.fastcompany.com/40439955/these-are-the-job-skills-of-the-future-that-robots-cant-master “To beat the bot, you need to be more human.”
- 226. Alphago Zero 有多強!? • 2天就超越人類, 40天讓5 子, 那87天就 ... • 在我以Alphago對奕 Alphago Zero ，我一度 不想再碰圍棋，我真的無 法說出這種感覺… 226 https://www.youtube.com/watch?v=m13QHNMHAa4
- 227. QA10 人工智慧 與大數據 227
- 231. 大數據分析決策與商業應 用ERP, CRM最大不同? 領先指標 vs 非領先指標（落後） Q4
- 236. TB級資料應用與分析才 能稱為大數據分析嗎? Type A. Big data 問題跟 Small data 是一樣的 Type B. Big data 問題等同一大群 Small data 的問題 Type C. Big data 問題需要靠特製系統解決 Q9 http://readata.org/three-type-problem-for-big-data-analytics/
- 239. 239 註冊商標 。台灣─ABC, Active Brain Capacity，LSTP, Learning Smart Training Performance ，ABC.LSTP ，思翱 ，思翱 157，思翱夫子學院 ，思翱夫子雲。中國─思翱 ，思翱157 地址：亞東技術學院創新育成中心（22061新北市板橋區四川路二段58號60420F室） T:02-77385766 Web：http://www.abctech.pro ABCtech-Learning and PerformanceInc. Room 60420F, Oriental Institute of Technology - Innovation Incubator Center （Room 60420F, No.58, Sec. 2, Sichuan Rd., Banqiao Dist., New Taipei City 22061, Taiwan R.O.C.） T:886-2-77385766 F:886-2-77385768 願景：以愛、智慧成就豐盛人生，使團隊更卓越、世界更美好 使命：百豆運動社群學習與合作，創造組織數位轉型新契機 —DOT100百豆運動：數位經濟世代人才100計畫— 育睿科技股份有限公司 since 2012 http://www.digitalplusfortalent100.org/