Enviar pesquisa
Carregar
資料科學如何幫我們更瞭解捐款人?
•
14 gostaram
•
2,395 visualizações
Sheng-Wei (Kuan-Ta) Chen
Seguir
資料科學如何幫我們更瞭解捐款人?
Leia menos
Leia mais
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 23
Recomendados
清寒可寫借據 聖母醫院傳佳話
清寒可寫借據 聖母醫院傳佳話
lys167
當學術研究者遇見線上遊戲
當學術研究者遇見線上遊戲
Sheng-Wei (Kuan-Ta) Chen
一位年輕探索者的建議
一位年輕探索者的建議
Sheng-Wei (Kuan-Ta) Chen
網路安全是一個特殊的研究領域,其中一個原因是在網路安全問題中,"對手"不是文字、影像或任何形式死板板的資料,而是活生生的人;這些製造問題的黑客 (black hat hackers) 終日找尋各種系統及網路漏洞,企圖提出更高明的攻擊方式來獲取各種可能的利益。因此,在網路安全研究中,我們無法"預設"黑客會有什麼樣的攻擊行為,而必須從真正的資料中尋找蛛絲馬跡,從大量資料中發現及解決各種已發生或將發生可能危害使用者資料安全及隱私的行為。在這場研究中,我將介紹 data-driven network security research 並以幾個實際的研究案例來展示真實資料的統計分析可以幫助我們解決什麼樣的安全問題。
資料科學家未曾公開之資安研究事件簿
資料科學家未曾公開之資安研究事件簿
Sheng-Wei (Kuan-Ta) Chen
計算社會科學初探-當電腦科學家遇上社會科學 by 陳昇瑋 (中央研究院)
計算社會科學初探-當電腦科學家遇上社會科學
計算社會科學初探-當電腦科學家遇上社會科學
Sheng-Wei (Kuan-Ta) Chen
網路購書大數據–給出版者的洞察分析 作者: 陳昇瑋 台灣資料科學協會理事長 中央研究院資訊科學研究所研究員
網路購書大數據– 給出版者的洞察分析
網路購書大數據– 給出版者的洞察分析
Sheng-Wei (Kuan-Ta) Chen
有人說,資料是新時代的石油;那麼,人工智慧 (AI) 就是新時代的電力,未來將不會有任何現代產業與 AI 無關。 問題在於 AI 技術的引入會面臨兩大挑戰,挑戰一,AI 是解決特定問題的技術:同樣是深度學習模型,要解決什麼問題,能解決什麼問題,能解到什麼程度,產生多少價值,在每家公司都不一樣,多元性及客製化程度遠比導入 ERP (企業資源計畫)、 CRM (客戶關係管理) 系統高得太多。例如,同樣是 AOI (自動光學檢測) 技術,在 A 公司做來檢測電路板的瑕疵,在 B 公司檢測織物的瑕疵,在 C 公司檢測玻璃的瑕疵,以高標準來要求的話,絕對不是調整參數就好。因此,未來的五年甚至更久的時間內,很難期待會有套裝系統可以直接購入及進行簡單客製化,符合各產業、各公司、各種問題的期待。 挑戰二,AI 並沒有辦法 plug & play (即插即用):目前的 AI 皆由機器學習模型來驅動,而機器學習必須要有大量資料來訓練。若公司內原本並沒有蒐集某個想要解決的問題的資料,或是資料蒐集時間不夠長,任你找到絕世高手或買到厲害的系統也沒有用。例如,若要進行未來半年的某產品銷量預測,通常需要該產品或同類型產品及競品在過去三年或五年以上資料,以及搭配的各式環境因素、客戶訂單資料等等。若是沒有這些資料準備好,AI 系統就是不能動,沒有油就沒有辦法發電的道理。 幸運的是,這一波 (也是人類史上的第三波) 的 AI 浪潮伴隨著「人工智慧民主化 (AI Democratization)」的趨勢,最重要的概念是,AI 技術不應該只被某些跨國企業所壟斷,應該讓所有需要的人都有機會參與及使用。具體的作法包含各種深度學習開發工具及模型的開放源碼,以及各式最新核心技術的分享等等。 我個人所看到的是機會,因為這個 AI 民主化趨勢,AI 技術發展在各領域所帶來的機會無窮無盡,是習慣等待國外大廠解決方案的我們應該把握的。 當然,目前普遍遇到的挑戰是 AI 人才的缺乏,台灣人工智慧學校為此而成立。希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙,同時建立「自己的問題自己解決」的文化,打破被技術殖民的慣性,重建社會自信。 台灣人工智慧學校將以最好的師資及與產學界的密切合作,進行人工智慧技術人才的密集培訓。讓不同專業領域的學員都能如虎添翼,以人工智慧加上原本的領域知識,具備協助各企業解決問題,以及帶領人工智慧團隊的能力。他們將擔任技術種子角色,深入台灣產業的各個層面,以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。 我將在這場演講中,分享台灣人工智慧學校的來龍去脈,如何從一個稱為 Project Theta 的計畫開始,慢慢確認人才培育的需求,以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始...
人工智慧在台灣: 產業轉型的契機與挑戰
人工智慧在台灣: 產業轉型的契機與挑戰
Sheng-Wei (Kuan-Ta) Chen
台灣人工智慧學校由台灣資料科學協會及財團法人科技生態發展公益基金會籌備處主辦,委託財團法人人工智慧科技基金會執行,並獲得中央研究院資訊科學研究所、中央研究院資訊科技創新研究中心的支持協助。台灣人工智慧學校第一期共有兩班,分別為技術領域培訓班及經理人周末研訓班,皆以三個月為一期。技術領域培訓班的目的為培養能在第一線發展人工智慧應用的AI工程師;經理人周末研訓班則以讓各產業的中高階經理人能夠對於人工智慧技術及應用能有全面性的大局觀,才能讓產業欲以人工智慧進行產業升級時,能有清楚的方向感來帶領企業前進。
台灣人工智慧學校介紹
台灣人工智慧學校介紹
Sheng-Wei (Kuan-Ta) Chen
Recomendados
清寒可寫借據 聖母醫院傳佳話
清寒可寫借據 聖母醫院傳佳話
lys167
當學術研究者遇見線上遊戲
當學術研究者遇見線上遊戲
Sheng-Wei (Kuan-Ta) Chen
一位年輕探索者的建議
一位年輕探索者的建議
Sheng-Wei (Kuan-Ta) Chen
網路安全是一個特殊的研究領域,其中一個原因是在網路安全問題中,"對手"不是文字、影像或任何形式死板板的資料,而是活生生的人;這些製造問題的黑客 (black hat hackers) 終日找尋各種系統及網路漏洞,企圖提出更高明的攻擊方式來獲取各種可能的利益。因此,在網路安全研究中,我們無法"預設"黑客會有什麼樣的攻擊行為,而必須從真正的資料中尋找蛛絲馬跡,從大量資料中發現及解決各種已發生或將發生可能危害使用者資料安全及隱私的行為。在這場研究中,我將介紹 data-driven network security research 並以幾個實際的研究案例來展示真實資料的統計分析可以幫助我們解決什麼樣的安全問題。
資料科學家未曾公開之資安研究事件簿
資料科學家未曾公開之資安研究事件簿
Sheng-Wei (Kuan-Ta) Chen
計算社會科學初探-當電腦科學家遇上社會科學 by 陳昇瑋 (中央研究院)
計算社會科學初探-當電腦科學家遇上社會科學
計算社會科學初探-當電腦科學家遇上社會科學
Sheng-Wei (Kuan-Ta) Chen
網路購書大數據–給出版者的洞察分析 作者: 陳昇瑋 台灣資料科學協會理事長 中央研究院資訊科學研究所研究員
網路購書大數據– 給出版者的洞察分析
網路購書大數據– 給出版者的洞察分析
Sheng-Wei (Kuan-Ta) Chen
有人說,資料是新時代的石油;那麼,人工智慧 (AI) 就是新時代的電力,未來將不會有任何現代產業與 AI 無關。 問題在於 AI 技術的引入會面臨兩大挑戰,挑戰一,AI 是解決特定問題的技術:同樣是深度學習模型,要解決什麼問題,能解決什麼問題,能解到什麼程度,產生多少價值,在每家公司都不一樣,多元性及客製化程度遠比導入 ERP (企業資源計畫)、 CRM (客戶關係管理) 系統高得太多。例如,同樣是 AOI (自動光學檢測) 技術,在 A 公司做來檢測電路板的瑕疵,在 B 公司檢測織物的瑕疵,在 C 公司檢測玻璃的瑕疵,以高標準來要求的話,絕對不是調整參數就好。因此,未來的五年甚至更久的時間內,很難期待會有套裝系統可以直接購入及進行簡單客製化,符合各產業、各公司、各種問題的期待。 挑戰二,AI 並沒有辦法 plug & play (即插即用):目前的 AI 皆由機器學習模型來驅動,而機器學習必須要有大量資料來訓練。若公司內原本並沒有蒐集某個想要解決的問題的資料,或是資料蒐集時間不夠長,任你找到絕世高手或買到厲害的系統也沒有用。例如,若要進行未來半年的某產品銷量預測,通常需要該產品或同類型產品及競品在過去三年或五年以上資料,以及搭配的各式環境因素、客戶訂單資料等等。若是沒有這些資料準備好,AI 系統就是不能動,沒有油就沒有辦法發電的道理。 幸運的是,這一波 (也是人類史上的第三波) 的 AI 浪潮伴隨著「人工智慧民主化 (AI Democratization)」的趨勢,最重要的概念是,AI 技術不應該只被某些跨國企業所壟斷,應該讓所有需要的人都有機會參與及使用。具體的作法包含各種深度學習開發工具及模型的開放源碼,以及各式最新核心技術的分享等等。 我個人所看到的是機會,因為這個 AI 民主化趨勢,AI 技術發展在各領域所帶來的機會無窮無盡,是習慣等待國外大廠解決方案的我們應該把握的。 當然,目前普遍遇到的挑戰是 AI 人才的缺乏,台灣人工智慧學校為此而成立。希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙,同時建立「自己的問題自己解決」的文化,打破被技術殖民的慣性,重建社會自信。 台灣人工智慧學校將以最好的師資及與產學界的密切合作,進行人工智慧技術人才的密集培訓。讓不同專業領域的學員都能如虎添翼,以人工智慧加上原本的領域知識,具備協助各企業解決問題,以及帶領人工智慧團隊的能力。他們將擔任技術種子角色,深入台灣產業的各個層面,以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。 我將在這場演講中,分享台灣人工智慧學校的來龍去脈,如何從一個稱為 Project Theta 的計畫開始,慢慢確認人才培育的需求,以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始...
人工智慧在台灣: 產業轉型的契機與挑戰
人工智慧在台灣: 產業轉型的契機與挑戰
Sheng-Wei (Kuan-Ta) Chen
台灣人工智慧學校由台灣資料科學協會及財團法人科技生態發展公益基金會籌備處主辦,委託財團法人人工智慧科技基金會執行,並獲得中央研究院資訊科學研究所、中央研究院資訊科技創新研究中心的支持協助。台灣人工智慧學校第一期共有兩班,分別為技術領域培訓班及經理人周末研訓班,皆以三個月為一期。技術領域培訓班的目的為培養能在第一線發展人工智慧應用的AI工程師;經理人周末研訓班則以讓各產業的中高階經理人能夠對於人工智慧技術及應用能有全面性的大局觀,才能讓產業欲以人工智慧進行產業升級時,能有清楚的方向感來帶領企業前進。
台灣人工智慧學校介紹
台灣人工智慧學校介紹
Sheng-Wei (Kuan-Ta) Chen
聰明公益資訊平台是由社會大眾共同維護的公益團體資料庫,人人可參與,人人可編輯,所有的資料皆公開,因此若資訊有疏漏或錯誤,請登入後逕行修改。公開透明及人人參與是我們的原則,我們相信這些原則可以帶我們一同完成台灣最完善、客觀及可信的公益團體資料庫。 本平台的初衷是藉由公益團體的資訊公開,讓社會大眾能夠快速尋找與他們有緣的公益團體來參與及捐助;另一方面,也讓公益團體的努力成果有個舞台可以呈現,讓默默耕耘的眾多公益團體們更容易讓社會大眾看見。
聰明公益資訊平台
聰明公益資訊平台
Sheng-Wei (Kuan-Ta) Chen
鑑於人工智慧的重要性,以及台灣產業長久被缺少高階人才的問題所困擾,甚至成為產業發展及升級的障礙,台灣人工智慧學校為此而成立。希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙,同時建立「自己的問題自己解決」的文化,打破被技術殖民的慣性,重建社會自信。 台灣人工智慧學校將以最好的師資及與產學界的密切合作,進行人工智慧技術人才的密集培訓。讓不同專業領域的學員都能如虎添翼,以人工智慧加上原本的領域知識,具備協助各企業解決問題,以及帶領人工智慧團隊的能力。他們將擔任技術種子角色,深入台灣產業的各個層面,以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。 我將在這場演講中,分享台灣人工智慧學校的來龍去脈,如何從一個稱為 Project Theta 的計畫開始,慢慢確認人才培育的需求,以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始...
從 Project Theta 到台灣人工智慧學校
從 Project Theta 到台灣人工智慧學校
Sheng-Wei (Kuan-Ta) Chen
大數據在台灣蔚為風潮,無論是政府官員或販夫走卒,人人皆聽聞大數據的威力。因此,產業界及各級政府皆努力建置所謂的大數據平台,以蒐羅及保存資料為己任,並導入資料的視覺分析工具,讓決策者們能夠快速地查看管理或施政成效,以客觀數據來輔助主觀評價,以分析輔助經驗,以事實取代臆測。 這些都是好的進展。收集資料並整理成視覺化的分析圖表,對於評估及掌控現況有非常大的幫助,讓我們不再只能依直覺及經驗做決策。但,其實,這只是把資料平台準備好而已,要充份發揮資料的價值,還沒有沾到邊。 要發揮資料價值,不能光談大數據,機器學習與人工智慧是絕對不該忽略的。事實上,這三者環環相扣:大數據是材料,機器學習是處理方法,人工智慧是成品所呈現的特質。這個時代,蒐集了大量資料,只呈現給人看,而不是拿來餵給電腦學習,讓你的應用呈現人工智慧,就跟採集了大量松露結果拿來沾醬油一整碗吃掉一樣可惜。如同精靈寶可夢需要有訓練師才能發揮能力,擁有大數據後,我們也需要很多很多的機器學習專家(有人稱呼為AI訓練師),才能讓我們手中的大數據真正發揮價值。 在此演講中,我將為聽眾闡明資料科學、大數據、人工智慧、機器(深度)學習、資料探勘等相近但又不同的詞彙,再以各領域的實際案例來分享資料的可能應用及實用價值。同時,我將與聽眾分享其協助多家企業以人工智慧進行技術升級的經驗,最後以人工智慧人才的培育,以及如何以人工智慧來幫助台灣做結。
從大數據走向人工智慧
從大數據走向人工智慧
Sheng-Wei (Kuan-Ta) Chen
The keynote talk at CrowdKDD 2012 http://www.cse.ust.hk/~nliu/crowdkdd12/
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
Sheng-Wei (Kuan-Ta) Chen
線上遊戲與雲端運算
線上遊戲與雲端運算
Sheng-Wei (Kuan-Ta) Chen
一位程式人 PI 在中研院
一位程式人 PI 在中研院
Sheng-Wei (Kuan-Ta) Chen
Web 2.0世代的資安議題
Web 2.0世代的資安議題
Sheng-Wei (Kuan-Ta) Chen
Borland C++Builder 進階課程
Borland C++Builder 進階課程
Sheng-Wei (Kuan-Ta) Chen
Borland C++Builder 入門課程
Borland C++Builder 入門課程
Sheng-Wei (Kuan-Ta) Chen
Network and Multimedia QoE Management
Network and Multimedia QoE Management
Sheng-Wei (Kuan-Ta) Chen
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Sheng-Wei (Kuan-Ta) Chen
Inside VCL
Inside VCL
Sheng-Wei (Kuan-Ta) Chen
Mais conteúdo relacionado
Mais de Sheng-Wei (Kuan-Ta) Chen
聰明公益資訊平台是由社會大眾共同維護的公益團體資料庫,人人可參與,人人可編輯,所有的資料皆公開,因此若資訊有疏漏或錯誤,請登入後逕行修改。公開透明及人人參與是我們的原則,我們相信這些原則可以帶我們一同完成台灣最完善、客觀及可信的公益團體資料庫。 本平台的初衷是藉由公益團體的資訊公開,讓社會大眾能夠快速尋找與他們有緣的公益團體來參與及捐助;另一方面,也讓公益團體的努力成果有個舞台可以呈現,讓默默耕耘的眾多公益團體們更容易讓社會大眾看見。
聰明公益資訊平台
聰明公益資訊平台
Sheng-Wei (Kuan-Ta) Chen
鑑於人工智慧的重要性,以及台灣產業長久被缺少高階人才的問題所困擾,甚至成為產業發展及升級的障礙,台灣人工智慧學校為此而成立。希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙,同時建立「自己的問題自己解決」的文化,打破被技術殖民的慣性,重建社會自信。 台灣人工智慧學校將以最好的師資及與產學界的密切合作,進行人工智慧技術人才的密集培訓。讓不同專業領域的學員都能如虎添翼,以人工智慧加上原本的領域知識,具備協助各企業解決問題,以及帶領人工智慧團隊的能力。他們將擔任技術種子角色,深入台灣產業的各個層面,以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。 我將在這場演講中,分享台灣人工智慧學校的來龍去脈,如何從一個稱為 Project Theta 的計畫開始,慢慢確認人才培育的需求,以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始...
從 Project Theta 到台灣人工智慧學校
從 Project Theta 到台灣人工智慧學校
Sheng-Wei (Kuan-Ta) Chen
大數據在台灣蔚為風潮,無論是政府官員或販夫走卒,人人皆聽聞大數據的威力。因此,產業界及各級政府皆努力建置所謂的大數據平台,以蒐羅及保存資料為己任,並導入資料的視覺分析工具,讓決策者們能夠快速地查看管理或施政成效,以客觀數據來輔助主觀評價,以分析輔助經驗,以事實取代臆測。 這些都是好的進展。收集資料並整理成視覺化的分析圖表,對於評估及掌控現況有非常大的幫助,讓我們不再只能依直覺及經驗做決策。但,其實,這只是把資料平台準備好而已,要充份發揮資料的價值,還沒有沾到邊。 要發揮資料價值,不能光談大數據,機器學習與人工智慧是絕對不該忽略的。事實上,這三者環環相扣:大數據是材料,機器學習是處理方法,人工智慧是成品所呈現的特質。這個時代,蒐集了大量資料,只呈現給人看,而不是拿來餵給電腦學習,讓你的應用呈現人工智慧,就跟採集了大量松露結果拿來沾醬油一整碗吃掉一樣可惜。如同精靈寶可夢需要有訓練師才能發揮能力,擁有大數據後,我們也需要很多很多的機器學習專家(有人稱呼為AI訓練師),才能讓我們手中的大數據真正發揮價值。 在此演講中,我將為聽眾闡明資料科學、大數據、人工智慧、機器(深度)學習、資料探勘等相近但又不同的詞彙,再以各領域的實際案例來分享資料的可能應用及實用價值。同時,我將與聽眾分享其協助多家企業以人工智慧進行技術升級的經驗,最後以人工智慧人才的培育,以及如何以人工智慧來幫助台灣做結。
從大數據走向人工智慧
從大數據走向人工智慧
Sheng-Wei (Kuan-Ta) Chen
The keynote talk at CrowdKDD 2012 http://www.cse.ust.hk/~nliu/crowdkdd12/
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
Sheng-Wei (Kuan-Ta) Chen
線上遊戲與雲端運算
線上遊戲與雲端運算
Sheng-Wei (Kuan-Ta) Chen
一位程式人 PI 在中研院
一位程式人 PI 在中研院
Sheng-Wei (Kuan-Ta) Chen
Web 2.0世代的資安議題
Web 2.0世代的資安議題
Sheng-Wei (Kuan-Ta) Chen
Borland C++Builder 進階課程
Borland C++Builder 進階課程
Sheng-Wei (Kuan-Ta) Chen
Borland C++Builder 入門課程
Borland C++Builder 入門課程
Sheng-Wei (Kuan-Ta) Chen
Network and Multimedia QoE Management
Network and Multimedia QoE Management
Sheng-Wei (Kuan-Ta) Chen
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Sheng-Wei (Kuan-Ta) Chen
Inside VCL
Inside VCL
Sheng-Wei (Kuan-Ta) Chen
Mais de Sheng-Wei (Kuan-Ta) Chen
(12)
聰明公益資訊平台
聰明公益資訊平台
從 Project Theta 到台灣人工智慧學校
從 Project Theta 到台灣人工智慧學校
從大數據走向人工智慧
從大數據走向人工智慧
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
Crowdsourcing beyond Mechanical Turk: Building Crowdmining Services for Your ...
線上遊戲與雲端運算
線上遊戲與雲端運算
一位程式人 PI 在中研院
一位程式人 PI 在中研院
Web 2.0世代的資安議題
Web 2.0世代的資安議題
Borland C++Builder 進階課程
Borland C++Builder 進階課程
Borland C++Builder 入門課程
Borland C++Builder 入門課程
Network and Multimedia QoE Management
Network and Multimedia QoE Management
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Research Skills I Learned in UIUC from Pi-Cheng Hsiu
Inside VCL
Inside VCL
資料科學如何幫我們更瞭解捐款人?
1.
陳昇瑋 中央研究院 資訊科學研究所 資料科學如何 幫我們更瞭解捐款人?
2.
3.
4.
5.
x 3,518 in 10.5
years (since May 2003)
6.
20 50 80 捐款金額分布
(每戶個案家庭)
7.
8.
人工編碼平台 Online
9.
家庭成員狀態
10.
人工編碼成果 431 編碼者 6532 人次 255 小時 8436 家庭成員 1590 個案
11.
12.
捐款意願與時間點 高度相關
13.
星期幾很重要 日 一 二
三 四 五
14.
哪個月份也重要 一 二 三
四 五 六 七 八 九 十 十一 十二
15.
受訪者的胖瘦會影響 捐款決策
16.
Title & picture
rating http://mmnet.iis.sinica.edu.tw/~cslin/rating/welcome.php
17.
老弱婦孺及單身者能 收到較多捐款
18.
捐款人對各式疾病及 身心障礙有差別待遇
19.
不可抗力因素 較讓人同情
20.
捐款與固定支出 成反比 個案家庭固定支出 捐款金額
21.
捐款者期待能看見 「希望」
22.
23.
for Social Good