2016-03-12 lee lovely

大數據可以猛如潮水,水能覆舟亦能載舟!

3/9(三)當天最熱門的新聞大概就是Alpha Go擊敗棋士李世乭!人機大戰開打的敗亡,是否代表人工智慧已經造成人類的威脅則尚不可得知。但是,當晚我們在青創基地舉辦的Data Mixer 每一招卻想得是如何讓機器與資料的協作,幫助人類生命得以更加美好,所以資料如潮水能覆舟亦能載舟。

自2010年起,高屏緊急醫療應變聯盟 (KAMERA project) 開發了一個跨院急診壅塞即時監測系統,是目前台灣最大型的緊急醫療監測雲端系統。DSP去年與KAMERA共同舉辦工作坊,將分享資料人與緊急醫療體系的合作經驗,包含括領域團隊的合作,從地方消防局到中央衛福部,到醫院這一段的緊急醫療資料動線有了完整的鋪陳,這一段資料旅程的寶貴是彙整了許多第一線人員,在現場實際接觸的動態情形更顯得來不易,包括對於送急診的司機大哥而言,他們希望有即時的資料可以告訴他們要將病患的往哪裡正確位置送去最得宜,未來這可以將理論與技術完整勾稽後,將得以協助跨領域團隊應用在醫事管理上更有效率!
今年DSP與KAMERA繼續合作舉辦資料挑戰賽,利用群眾外包的智慧,共同檢視高屏地區發生災難危急時,(1)什麼樣的情形需要和外部地區求援?(2)醫院各自平時和可額外承載外傷人數的最大乘載量又為何?對於參賽者的貼心小提醒!急診數據可能會有週期性,周間/周日要考慮,甚至是尖峰時段在哪裡?這個競賽到2016/4/10上傳到為止,歡迎各界高手來PK KAMERA 急診資料挑戰賽

P_20160309_192905

  • 怪獸電力房屋 – 當開放資料遇上節電綠能

我們善用開放資料,將台電資料調出每戶平均用電量、總戶數、老人比例、總和所得稅、樓層面積等資料混搭與交叉比對,再把離群值挑出後,可以知道每個台北市行政區的村里用電量情形,目前可以分析爬梳出來,例如:(1)老人多半集中在士林區、(2)耗電量集中在內湖區賣場、台北車站區域,也許未來可以推估各自村里的商業應用找出價值,例如耗電量高但是人少的地區,可能需要檢視是否為老型住宅,可能需要老舊的管線或電器用品需要汰換;另外,有許多老人的區域可以開立有療癒系的商店,或是長照看護的診所等,都可以透過電力的檢視,將資源重新配置用在最需要的地方做調幅。

P_20160309_195307

  • 掌握機器學習的工具與應用

北美之鷹》原本是一位工程師的心願,希望能達到超級高速賽車,後期接手的團隊成員,則是加入資料運算利用一秒處理2,000筆資料,過程用Wifi接data來計算動作,就是透過IoT做大數據分析的加速實現。我們現在可以透過Azure 機器學習 (Azure ML) 是 Microsoft Azure 平台上其中一個服務,這個服務為想要進行機器學習的開發團隊,提供了處理大數據的基礎建設、機器學習的演算法、硬體運算資源、以及將模型變成 Web Service 等服務,利用原始資料集小小的顯示狀況做預測性分析,能應用模型即刻線上、機器學習可以很好使用,做為多種現成應用選擇及採用拖拉應用能有些效果,所以未來機器學習非難事,而是如何善用工具,幫助我們達成更理想的生活目標。

P_20160309_201529

, ,

lee lovely

國立台灣科技大學工管所博士研究生,參與過多項重要政府專案,透過PMP改善流程,熟諳產業實務經驗。

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *