Loading [MathJax]/extensions/tex2jax.js
陳妤寧
陳妤寧
38 篇文章・ 1 位粉絲
由新到舊 由舊到新 日期篩選

時間篩選:5月 重設

・2016/05/24
成功的大數據服務商業模式,就如同過去股民手上拿的股票機一樣,廠商把上千支的股票資料進行分析,最後推薦用戶哪幾支股票的表現值得推薦。而在這個媒體發達、資訊爆炸的時代,公眾人物、公關從業者或是需要了解民意方向的地方首長,都需要了解大眾現在最關心的新聞是什麼?態度是正面是負面?哪些媒體對自己比較友善?
・2016/05/24
「所謂的大數據,並沒有一個公認的標準去認定到底多大才是大數據。十年前電信公司和基地台所蒐集的數據其實也不少,而未來的資料量也會更多,到底誰是大是小呢?可以確定的是,資料量小也有資料量小的作法,而當資料越多,則能提供資料科學更細緻分析的材料來源。」東吳大學數學系的助理教授吳牧恩。
・2016/05/24
假設你現在想查詢一個新聞事件,並分析網友、鄉民的看法,最直覺的方式便是利用 Google 進行關鍵字搜索,但這樣只能做到關鍵字比對,如此一來搜索出的資料將有幾百萬、幾千萬之譜,該如何進行整理、重點摘要?總不可能人工比對吧,這時,語意分析的優點便顯現出來了。
・2016/05/24
如果無法先決定什麼問題適合用大數據來解決、一個問題適合由哪些數據來回答,有運算再快的電腦或是再高效的演算法都派不上用場。
・2016/05/24
「統計」這個學門在 Big Data 時代能夠如何讓「數據」發揮更大價值?而在相信數據的無所不能之前,如何檢驗資料的可靠性、確定資料能解決的問題極限、甚至判斷結果背後的統計方式?本篇專訪邀請到清華統計所博士後研究員謝宗震,同時也是以推廣資料科學為目標的社會企業「DSP 智庫驅動」的知識長,分享如何透過資料科學解決真實世界的問題。
・2016/05/24
數據和資料從古到今都是人類尋求解答的重要材料,而網路時代的資料來源變多也變雜,不論是語意分析、機器學習、演算法、統計建模,眾多方法都試圖解決更多過去人類仰賴臆測萊處理的問題。看完這五位不同背景和專長的專家分享了他們的見解後,對於所謂大數據的定義和視野,也隨之更為寬廣了。
・2014/05/01
2014年1月,(IOPscience) 刊載了韓國首爾大學3位教授的一份研究,這份研究指出這三十年來襲擊中國沿岸、日本和韓國的颱風強度有顯著的增加,由於海洋表面升溫和大氣環流模式在沿海的變化,使得颱風更能夠從南海循海岸而上,這意味著在它們抵達東北亞時,它們已經累積了較過去更多的能量,成為了更具威力的大型颱風。
・2014/05/01
巴基斯坦一直都是個災難頻仍的國家,經年的洪災、風災、旱災和震災,成千上萬的人們流離失所。這塊土地上的人們面對災害是如此脆弱,而它的官方防災專責單位的工作成效正面臨嚴峻的檢視,如果災難處理不慎,可能釀成更嚴重的二度災難。
・2014/05/01
尼加拉瓜的災害應變署(Nicaragua’s Disaster Response Agency,SINAPRED)在 4 月 18 日發布了一份研究報告,認為近來頻發的地震活動可能導致馬拿瓜市北部附近的火山活動,不過,目前沒有立即性噴發的證據。