What skills do data scientists need?

Data scientists act as translators, bridging the gap between the world of raw data and actionable business solutions. They possess a keen understanding of the data landscape within an organization. This empowers them to identify, acquire, and analyze the most relevant data for uncovering valuable insights. Their ability to explain findings and predictions to the business world supports informed decision making. They are skilled detectives, adept at using a variety of analytical and statistical techniques to unlock the hidden potential within data. These insights are then transformed into actionable roadmaps and strategies that directly address real-world business problems.

Read more

深藏不漏的數據科學家

數據科學家是數據世界和商業世界溝通的翻譯員,他們不但對數據要有深度的理解,也需要對商業營運有一定的認知,才知道如何運用數據來發掘對研究和商業有影響力的資訊,協助商業決策和預測商業發展。他們也是數據偵探,擅長使用各種分析和統計技術發掘隱藏在數據中的知識,將這些寶貴的訊息轉化為可執行的藍圖和策略,解決現實生活中複雜的商業問題。

Read more

高效率機器學習模型的力量:預測學習者表現

在當今這個大數據時代,教育類的系統提供了非常大量的學生與科技設備的互動資料。從早期電腦輔助教學 (Computer-assisted Instruction, CAI) 的概念提出,到後來又提出了更具有客製化學習概念的「智慧家教系統 (Intelligent Tutoring System, ITS)」,用以了解學習者的知識水準、追蹤學習者的學習進度等。數據與資料的儲存和應用,也讓教育科技的領域有了更進一步的發展。

Read more

LLM vs 搜尋引擎:認知負荷與學習深度

大型語言模型 (LLM) 的出現方便了我們的生活,查找資料的方式從最傳統的上圖書館翻紙本資料,到上網搜尋關鍵字,又演進到了現在只要開口詢問智慧管家、大型語言模型,它們就能快速將答案呈現給我們。雖然這幫我們省下了許多時間,但這件事在學習成果上面是否會有影響呢?這影響是好是壞呢?德國慕尼黑大學Stadler等人的研究團隊為了探討這個問題,便設計了一個相關實驗,觀察大學生們分別使用搜尋引擎和LLM來解決問題後,學習成果的表現究竟如何。

Read more

機器學習在災害評估中的應用

隨著氣候變遷、各類災害如:洪水、颶風等,對環境、人類生活產生更劇烈的衝擊,SDGs的相關目標如:目標11「促使城市與人類居住具包容、安全、韌性及永續性」也成為巨大挑戰,其中的11.5子項「減少自然災害的不利影響」更是各界災害救援、減災計畫的重要目標。近年來,聯合國世界糧食計劃署 (WFP) 與Google Research合作,將機器學習帶入災害評估場域,你能想像機器學習如何幫助更多受災居民嗎?讓我們一起來看看本期文章!

Read more

超越人類認知謬誤的LLM

你有沒有想過,當別人向你提問時,你回答問題的思考邏輯是什麼呢?這個看似很奇怪的問題,其實是非常重要的事情,因為它可能是造成我們思維與人工智慧思維有所區別的最大原因。從經典的心理學實驗「琳達問題」,認知心理家發現人們在思考時,容易因為捷思法,透過自己的經驗反射性判斷出答案,而非經過複雜縝密的思考。讓人意外的是,這樣的問題在LLM當中也同樣會發生,但差別在於LLM如果透過提示與修正提問方式之後,回答準確度會有上升的趨勢,但在人類身上並沒有這樣的效果。如此看來,機器的發展和人類大腦的發展,似乎並不是依循著相同的發展路線而前進,這又是另一個值得玩味的議題。

Read more

「人工化學智慧」應用大語言模型 (LLM) 的化學分析工具

大語言模型 (LLM) 的出現,讓人們看到了人工智慧所能展現的高度自主性,LLM能完成不少跨領域的任務,並且展現很不錯的自然語言處理能力。不過,面對一些看似簡單的數學計算或是化學式轉換的任務時,大語言模型卻會出現誤差。為了解決這個限制,並且發揮LLM的效用,必須整合其他工具,讓LLM變得具有計算及分析能力。

Read more

應用在教育科技上的「程序探勘」技術

目前線上學習因為COVID-19疫情的關係而加速發展,現今的學生們也幾乎都有線上學習的經驗。而實體與線上併用的學習策略,又稱為「混成式學習 (Hybrid learning)」策略,結合了面對面的教學,並且使用了線上教學工具作為輔助。而學生們在網路上對於課堂的參與度、專注度、積極度,究竟該怎麼追蹤呢?

Read more

用機器學習技術開發美國空軍飛行員的決策支援系統

近年來隨著疫情的衝擊,一些航空公司為了因應航班取消所帶來的虧損,進行了相關的人事調整,但隨著疫情的收束,人才需求又成了迫切的議題。隨之而來議題,也讓民間的航空企業和軍方的空軍需求形成了拉鋸關係,如何確保飛行員等相關航空人員的配置,又能因應時代需求,正考驗整體航空事業。

Read more

用AI進行憂鬱症的「快篩」

在現今社會中,具有憂鬱症或憂鬱傾向的患者數量持續攀升,然而傳統上評斷憂鬱症的方式具有其問題與限制,且須花費臨床醫師大量的時間處理檔案與訪談。為了解決這個問題,Weisenburger等人開發出了新的方法,應用科技來幫助我們解決這個問題。他們訓練了AI聊天模型,讓受試者僅需與機器人完成問答,就可以完成初步的憂鬱症評估,且其預測結果有高達90%的準確度。然而,由於目前此項研究結果仍有其限制,期望日後有更多關於這方面的研究,讓科技能幫助我們解決更多心理健康檢測的困難。

Read more

以機器學習和深度學習偵測網路霸凌

網路和社群媒體的出現,開啟了人類一個新的連結方式和溝通管道,但是隨著社群媒體使用的增加,網路霸凌事件的成長也獲得了很大的關注,尤其是現今社會中也有數起因為網路霸凌而引發的自縊事件,更使得網路霸凌的議題變得更加具有迫切性。

Read more

用腦波預測依附類型:透過機器學習找訊號特徵

人與人之間的親密關係很大程度的受到了自我價值以及人際之間信任的影響。而依附類型則表現了親密關係的情感與行為的動態關係,理論上共分為四種依附類型:迴避型依附 (dismissive attachment)、恐懼型依附 (fearful attachment)、焦慮型依附 (preoccupied attachment)、安全型依附(secure attachment)。目前這幾種依附類型已經證實與腦神經活動具有一定的相關,但究竟其神經活動的訊號有哪些特徵?依附類型是否如理論上所言是四種呢?

Read more

寶寶在看哪裡?自動化嬰幼兒眼動數據標註系統

當今的電腦計算機可能尚無法自主進行研究、提出理論,但卻能夠有效率地幫忙收集資料、解決過去進行研究時所遇到的瓶頸。過去進行嬰兒行為相關研究時,總是會因為參與者稀少、數據分析、標示的人力成本過高,導致研究窒礙難行,但Erel等人在2023年的最新研究,開發出了一個可以自動化標註嬰兒眼動軌跡的系統,此系統雖然在某些條件下仍會有誤判的情況,但整體而言的準確率已經近似人類標註者。這項電腦視覺技術使得心理學家們得以安心透過網路平臺招募參與者,並使用電腦軟體協助判讀,降低人力成本,有效解決過往進行實驗時所遭遇的困境。

Read more

開心或生氣?將情緒辨識技術導入適合高齡者使用的聊天機器人

情緒辨識技術和聊天機器人如今各自已經發展到一定的程度。另一方面,面對高齡化社會的到來,高齡者們的心理及生理照護需求也不斷地升高,因此研究者們便開始思考,該如何應用科技補足這塊勞務需求及供給的缺口。將具有情緒辨識技術的聊天機器人導入高齡照護現場,可能就是解決方案之一。

Read more

從機器學習看個人的運動及衛生習慣

機器學習到底可以做到哪些事情呢?你絕對想不到,連「人類習慣」這個行為,都可以透過讓機器學習來分析!過去我們對於習慣養成所需要的時間、因素完全沒有定論,各派都有各自認定的時間。心理學家Buyalskaya等人透過連鎖健身房後臺的資料,以及醫院PFID裝置資料,利用機器學習的方式,分析人們「上健身房」、「洗手」行為的養成時間,以及影響的因素等,嘗試破除大眾對於「習慣養成」的迷思。

Read more