資料科學演講：

隨著近年學術研究進展及相關工具成熟，各產業開始關注資料科學的應用。然而要滿足實務需求，不止要有好的資料科學模型，還要顧及其對軟體系統的要求，如系統的可靠性及可擴充性。一個團隊要能持續研發模型，並有效率地導入相應的軟體生產系統，會同時需要資料科學及軟體工程的長才，在團隊的協作及科技的選擇上也會有諸多考量與取捨。 講者將分享過去開發機器學習系統的經驗與心得。討論不同性質團隊的考量：從基礎完善的大公司Google、到決策彈性且變化迅速的新創團隊MetaMind、再到被收購後配合建構較新創階段更可靠可擴展的雲端系統。並討論不同應用的需求差異：文獻檢索、醫療影像、商務應用、APP後台API、及生產自動化。

我們設計的手機程式「Know Addiction」，顧名思義是幫助手機使用者能夠「了解」 (Know) 自己使用手機的程度 (Addiction)，並且「預防」過度沉迷使用 (No Addiction)。 「Know Addiction」可以預測精神科醫師對手機成癮的判斷；也可以輔助提升醫師診斷的準確度。記錄的手機使用行為，還能讓研究人員開發新的演算方法，解讀人類的各種行為。全自動化的手機紀錄程式可以排除傳統紀錄的困難，可作為自我管理，亦可把資料數據藉由分享給專業人員參考。 「Know Addiction」不僅有「診斷」的功能，也有「治療」的效果。當使用手機的程度超過基準值時，雲端平台的決策系統，會自動提醒通知使用者。這套具有自動化、圖像化、自我檢測、雲端資源共享特點的系統，使「智慧型手機成癮」不但能診斷、治療、還能「自療」！

根據玉山資料處理流程與業務應用經驗，分享實務故事與未來玉山AI發展應用的可能方向。

年齡性別統計資訊在市場調查扮演很重要資訊，但由於隱私權規範，這些資料很難直接向使用者取得，QSearch 研發團隊透過臉書公開按讚紀錄預測與臉書公開資料年齡性別，舉例來說，可能關注美妝相關粉絲團可能女性使用者偏多，此外，我們在雲端服務上建構預測系統，能在幾分鐘內根據互動紀錄分析超過 500 萬個使用者年齡性別資料，大幅加速分析效率，同時能提供更豐富的市場調查報告。

kaggle數海獅競賽簡介、心得。使用深度學習方法協助NOAA生物學家監控阿留申群島的海獅數量。

What will happen to a young data scientist who just graduated from school after entering an industry? What is the difference between experiments and applications to solve real world problems using data science? In this talk, I will share my journey from a new machine learning and data mining graduated student to a senior data engineer (Or sometimes, the data scientist). How to detect and define problems? How to understand the domain knowledge and combine it into data models? How to apply data science to solve them? How to ensure the data correctness during ETL process? How to evaluate the performance? Is there any better solution? Etc. Becoming a data science unicorn for one single person is difficult. How about a group of talents? To build a successful data product, cooperation with people from different functions is needed. In the end, I will share the experience working with different departments and how we achieve better result by leveraging knowledge from every domain.

以巨觀生態學資料分析為例，探討由資料分析到理論模式建立，發展新的巨觀生態學理論的過程。

Advanced computing and imaging technologies enable scientists to study natural phenomena at unprecedented precision, resulting in an explosive growth of data. The size of the collected information about the Internet and mobile device users is expected to be even greater. To make sense and maximize utilization of such vast amounts of data for knowledge discovery and decision making, we need a new set of tools beyond conventional data mining and statistical analysis methods. Visualization transforms large quantities of, often multiple-dimensional, data into graphical representations that exploit the high-bandwidth channel of the human visual system, leveraging the brain's remarkable ability to detect patterns and draw inferences. It has been shown very effective in understanding large, complex data, and thus become an indispensable tool for many areas of research and practice. I will present several use cases of visualization based on new concepts and techniques that my group at UC Davis has introduced to further advance the visualization technology as a powerful discovery and communication tool.

看別人上太空，我們真的只能殺豬公嗎？當我們看到國際賽事與職業運動場域上越來越多科學化的方式來幫助增強選手以及團隊的表現，不免讓人捫心自問，運動科學在台灣的腳步是不是走得太慢了些？運動科學背後有著龐大的資料科學基礎，這次的演講將會藉由收集運動數據歷史最為悠久的美國職棒大聯盟（MLB）的案例以及分析做為借鏡，嘗試讓台灣的運動產業能夠對於資料科學如何幫助運動科學有著近一步的認識。

自 1977 年 Bill James開啟了近代棒球統計的濫觴以來，賽柏計量學 (Sabermetrics) 經過數十年的發展，已經廣泛地成為棒球先進國家、頂尖職業聯評估球員表現、構築球隊戰力的理論基礎。 而在臨場戰術的決策、投打對決的電光石火之間，自然也少不了數據統計的參與空間，從直觀上根據打者打擊落點進行的守位調整 (Defensive Shift)、或者對於打者冷熱打擊區域的統計，以及計算使用戰術是否可以獲得利益的數據統計，數據統計確實地影響著棒球場上的一切決策，而要採用數據所透露的情報抑或是相信自己的直覺，則再再地考驗著球隊教練的智慧。 本演講將藉由實際的分析案例，為各位聽眾剖析賽柏計量學是如何在棒球臨場決策上扮演重要的角色，歡迎熱愛國球的棒球痴、棒球狂們前來一同分享。

自陳報告(self-report)的使用是在行為調查中最常見的方式，然而，自陳報告最大的問題也在於，人們是可以調整自己表達的內容的，例如在面對社會期許下做出政治正確的陳述。為了突破自陳量表的限制，心理學嘗試建立內隱（implicit）的測量指標，來更深層地了解人們內在的種種動機和想法，在本次報告中，即會介紹內隱連結測量以及心理字詞探勘，以及這些指標測量在網路和數位資料上的種種應用可能。

美國自歐巴馬總統時代提倡精準醫學, 這需要本土種族研究資料與國際治療實證資料結合,張醫師由臨床醫師的角度介紹臨床問題如何用這兩個資料庫分析

為期四個月的資料英雄（D4SG）計畫，我們結合政府工作者、醫學領域專家以及資料技術人的跨域合作。在「到院前心肺休止」（OHCA）風險地圖這個題目中，利用高雄在地的急診資料與公開的開放資料集（空氣/溫度/人口）。根據「熱區辨識」、「危險因子分析」、「緊急醫療優化」三個角度，引入資料科學的方法論，對歷年資料進行分析，為緊急救護與醫療界提供不同的觀點。本次的演講將談到，一個跨界的資料專案該如何進行，過程中遇到了哪些問題，最終可以產出怎樣的效應。

新生兒不會說話，只能透過哭聲表達需求。我們研究新生兒的哭聲來判斷嬰兒哭鬧原因，利用大數據及機器學習的方法，分析、判別嬰兒哭聲的各種類型，可隨嬰兒成長修正哭聲模型，並且為每位嬰兒客製化哭聲模型，幫助父母了解嬰兒哭鬧原因。我們與台大醫院雲林分院小兒科醫生合作，收集超過二百萬筆哭聲資料，對於出生四個月內新生兒的哭聲辨識率高達86%，男女嬰兒均適用，收集的有效嬰兒哭聲資料為全球第一。該技術已具體實現，我們開發出全球第一款嬰兒哭聲辨識APP-嬰語翻譯機，「嬰語翻譯機」獲美國路透新聞(Reuters New)、韓國阿里郎新聞網、日本產經新聞、讀賣新聞等超過50個國際媒體報導，具有全球知名度，為嬰兒哭聲辨識技術領先品牌。

近年相當火紅的聊天機器人、虛擬語音助理、智慧客服等技術商品，背後使用的人工智慧（Artificial Intelligence）涵蓋多樣技術領域範疇，其中，為了理解人類的語言意涵，自然語言處理（Natural Language Processing）的語意分析（Semantic Analysis）技術演著舉足輕重的角色。傳統語意分析技術，必須仰賴大量標記語料，為此，必須耗費龐大人力，其所必須耗費的成本，不啻為該技術進行技術商品化過程中相當沈重的負擔。本演講內容將藉由國際大廠的知名案例中所採使用的語意分析技術，引介近年語意分析技術之趨勢演變，包含如何減少語意分析技術研發過程中的人力介入。此外，亦將分享近年新興公司以語意分析技術衍生出的各應用案例。

人類基因草圖在2000年完成後，隨著近來次世代定序技術發展，如：富士康與華大基因 (Beijing Genomics Institute) 將合作生產次世代定序儀 BGISeq-50，代表個人基因體時代即將來臨，如何利用電腦來處理巨量增長的生物資料？演講中將分享幾個應用，首先機器學習在精準醫療，利用個人基因來幫助癌症用藥，機器學習也可以預測蛋白質的功能，這與文件分類的問題很像，但是不同又在哪裡?

This is a statistician's view of the development of Data Science. In 2002, Professor Ryan Rifkin, from a mathematical perspective, entitled his PhD thesis as "Everything old is new again." Statistics has a shorter history comparing with mathematics and other natural sciences. In this talk, we will go over some classical statistical papers, and try to connect their thoughts with modern data science. From their thoughts, we wish to relax some barriers as learning and using statistics in such a modern era.

在這個網路普及的時代，社群多媒體已經成為人們分享與取得知識的重要來源，讓我們一同探索文字探勘技術用於社群多媒體分析的奧妙吧！！

有人的地方，就有江湖；在江湖，就免不了有麻煩事；麻煩事，就需要社群網路分析，既作江湖人，便履江湖土，守江湖道，管江湖事。這場盛會將和大家交流分享，進階版的社群大數據之輿情觀測與分析應用。

電商希望帶給消費者用更便宜的價格購買商品，但如何確保最低價的背後需要一定程度的架構與技術支撐，此次演講將略為透露一些ASAP嗶嗶鳥的背後技術。另外分享我們看到哪些使用者行為得到一些有趣的結果。