隨著 AI 熱潮崛起，資料科學年會今年衍生出人工智慧年會，自 11/9 有人工智慧年會打前鋒，聯合成一共 4 天的盛事。11/11 、12 則輪到資料科學年會本體正式登場。
延續往年的高人氣，今年人潮依舊熱絡，而講座分散在中研院人文社會科學館和活動中心兩館，場地控制得宜，很少出現因人氣太高爆滿進不去的情形。
就如同講者之一的元智大學通訊工程系助理教授曾俊雄所說，電腦科技應用不斷演變，從單機、伺服端、網路到分散式運算，現在又來到大數據與人工智慧崛起，每個新時代都有新的挑戰。可以看到今年資料科學年會延續去年趨勢，仍有不少應用主題和 AI 密不可分。
玉山銀行 CRV 襄理林鉦育的講題直接就針對資料處理與 AI 的可能應用解析，而 KKBOX 的機器學習研究員陳怡安也現身分享打造音樂推薦系統的問題與解方。從 KKBOX 的經驗可以看到，在分辨「曲風」、「情境」等需要多方考量節奏、樂器、人聲、歌詞等元素，同時還不能冷落新歌曲，單靠機器從零開始太困難，需要不少音樂領域專家來協助訓練，並用主動學習的方式反過來先讓機器判讀，再由專家檢視成果並丟回機器學習來加快效率。
「收到學生成績預警的時候，就已經來不及（準備）了！」
曾俊雄助理教授則試圖解決困擾老師們已久的千古難題：學生上課專心嗎？並藉由觀察學生上課中的表情、播放教學影片何時定格等行為，以及擷取課程心得中的關鍵字詞多方預測學生成績表現。在這個案例中，主要是利用人工分類和統計方法來關聯行為特徵與成績，發現課程心得中較多絕望詞語者成績較差，積極詞語較多者成績較高，而單純覺得有趣者則無顯著差異。雖然最後在表情與影片播放的部分還需要更多測試，不過大致能看出在影片中段暫停者成績沒有明顯不同，而最後暫停者成績較好的初步觀察。
在逢甲大學資工系助理教授許懷中則以美國棒球數據的歷史進程為引，延伸出運動科學中數據逐漸扛起關鍵角色的歷程。從早前僅有記者簡單紀錄的得分表格，到更細節的出局、安打數等等，再延伸出如打擊率的新的統計數據，後來為了改善打擊率的參考性分成ㄧ、二、三壘安打和全壘打等等，數據演進成現在龐大而複雜，甚至能及時更新比賽數據。延伸應用還能繪出失誤率高低地圖、輔助決策，甚至經營球隊。還舉知名例子魔球中的運動家隊，可以利用數據找出「CP 值」最高球員。
from INSIDE 硬塞的網路趨勢觀察 http://ift.tt/2i5nx2g
沒有留言:
張貼留言