資料科學演講：

從資料發掘新奇實用理論的機器學習，是近幾年台灣社會及學術界許多領域的顯學。近期學術界造假事件層出不窮，我認為這時候值得了解開放科學的宗旨：累積可重製的資料，才能建構經得起考驗的理論。 我以2011年心理學再現危機開始爆發的指標事件，與近兩年引發議論的「權力姿勢」為例，說明以新奇理論包裝的劣質研究能被發表，並獲得關注的關鍵。現在的開放科學採用那些措施扭轉這些問題。這些措施與資料科學的建模有沒有抵觸？或是相輔相成的可能？ 最後以curate science project為例，說明如何運用累積數據，引導一般科學研究人員提昇研究操作品質，建構以可再現結果為基礎的實用理論。

Large-scale network data analysis has emerged into one of the most important tools in th big data regime for almost all scientists and practitioners. Among all characteristics and properties, community and centrality are two major components for a detailed understanding of a large-scale network. Unfortunately, traditional methods are either computationally infeasible for large-scale network, or without statistical verification and inference. This talk introduces a SOP for accurate and efficient analysis of large-scale network data. It consists of four main steps. First, a screening stage is proposed to roughly partition the whole network into communities via complement graph coloring. Then a likelihood-based statistical test is introduced to test for the significance of the detected communities. Once these significant communities are detected, another likelihood-based statistical test is introduced to check for the focus centrality of each community. Finally, a metaheuristic swarm intelligence based (SIB) method is proposed to fine tune the range of each community from its original circular setting. Our proposed SOP is demonstrated in several real-life data, showing how this method can provide extra suggestions from the data.

在資料科學世代，公共服務性質組織雖然累積了大量的營運數據，卻遲遲無法發揮資料價值。[D4SG資料英雄計畫](http://d4sg.org) 結合公益與實務，媒合資料人與公共服務性組職，採用長期專案方式，將實驗性的概念測試鍛鍊為完整的資料公益解決方案。本場演講將分享如何透過資料促使利害關係人對話，建立公私協力新典範。

生活在城市當中，移動是每個市民必須進行的生活行為。但有趣的是，政府要怎麼知道市民們要如何在城市之間移動呢？在城市發展的順序上，運輸網路的路線與場站設計必須先完成，人們才能進行的移動，也因此分歧點可能就發生在供給與需求可能有不對稱的情況。在本次的講座中，我們將分享過去思維所無法做到的地步，最好的供給就是：已知需求的狀態下，提供市民想要的移動工具與服務，讓數據說出真心話。

本次報告將說明作者利用網路上的旅遊資訊，嘗試建立旅遊建議系統的經驗，並以日本旅遊為例。研究中利用文字探勘、類聚分析與關聯規則分析等，瞭解國人旅遊日本各地區的熱門景點、美食與文化體驗，並根據查詢者的需求，建議旅遊的熱門景點或密藏景點以及相關活動，並協助規劃不同地區與季節的N日遊行程。最後將說明類似建議系統的可能應用。

智慧型監控的應用非常廣泛，本次演講將介紹兩種截然不同的應用，首先為應用於智慧型運輸系統之交通參數擷取，第二個是應用於綠色能源之太陽輻射量預測。從這兩個不同類型的應用中，可觀察出智慧型監控需要合適的取相裝置以和不同的應用特性配合，而不同的應用在取相與分析的過程中也會面臨不同的挑戰。從之亦可歸納出智慧型監控系統模組中的共同要件，並希望能夠啟發研究者將智慧型監控技術應用在其他跨領域之研究上。

第一個人類基因體草稿於西元2000年被公布後，正式進入後基因體時代，但因基因體定序價錢居高不下而無法落實到臨床醫療。近年來，由於次世代定序技術的進步，人類全基因體定序的價錢下降速度比莫爾定律還快，市場化到臨床醫療的時代即將到來。藉由人工智慧與大數據的技術演進，大家可以靠寫程式來讓基因密碼一一解密，將從傳統醫療邁入精準醫療 (Precision Medicine)的世代，但大家是否準備好面對它呢？試問，以後大家去醫院看病，不是帶著健保卡，而是帶著你的基因序列去給醫生看？或者是給 AlphaGo 看呢？在台灣，多元成家議題一直爭議不休，試問，目前性別是依照性染色體來判斷，但這是否正確？針對這些具爭議性的議題用數據來進行探討，除了帶領各位資料科學家們一窺精準醫療的領域，更希望帶給大家以更多元的角度來面對自己生活週遭的每一個數據。

均一教育平台自詡為一個用科學和證據來解決教育問題的非營利組織，從收集了非常多的資料，到真的讓團隊感受到資料數據的好處，並且夥伴們願意主動思考如何善用資料，這中間走了超過一年。 一直到今年，過去長期累積的資料才逐漸發揮它的價值，也在組織決策和產品開發上佔據更重要的地位，除了夥伴的處理資料能力上升、資料架構逐漸成熟以外，我們漸漸發現 -- 就像產品功能開發一樣 -- 事先把資料題目定清楚是非常重要的。網路上對於這類釐清 Spec 的分享較少，均一很高興有這個機會分享自己各樣的經驗，也跟大家請教討論看如何可以善用資料發揮更大的影響力。