User Behavior Modeling and Prediction by Mining Multiple Information Sources in Mobile Social Network Space

課程：論文研討(三)
日期：2013/01/04
時間：13:50 ~ 15:30
學生：資傳研二 陳冠宏
演講者：成功大學　曾新穆教授

心得感想：

        Data Mining 是 Data Warehouse 應用方式中最重要的一種。基本上，Data Mining 是用來將你的資料中隱藏的資訊挖掘出來，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統計分析與 Modeling 的方法，到資料中尋找有用的特徵（Patterns）以及關連性（Relationships）。 Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。在任何企業中資料探勘都是非常重要的，如果善加利用挖掘出來的資訊，將對企業有很大的幫助，但相對的資料探勘的困難度高，應用在實際的例子上更是需要學問，運用得好就可以讓機器或設備有智慧，故資料探勘一直是學界業界看重的一環。

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(三)
日期 : 2012/12/28
時間 : 13:50 ~ 15:30
學生 : 資傳研二 陳怡安
演講者 : 國網中心 王耀聰

說書人講故事

由於行動裝置與電腦運算能力日新月異，因此隨時隨地即可透過網路取得服務的雲端運算概念就強大起來了
因此建立了巨大的雲端運算產業，由個人行動裝置APP到大架構的硬體管理系統，包山包海包尿布

同時，透過大量數據推斷雲端產業的未來前景 - 大美滿

Introduction to Distance Metric Learning

課程: 論文研討(三)
日期 : 2012/12/21
時間 : 13:50 ~ 15:30
學生 : 資傳研二 陳怡安
演講者 : 海洋大學資訊工程學系 張欽圳


距離測度學習(Distance Metric Learning)

講白了，其實就是比對資料之間的量化相似度(差異性)
兩筆資料(比對物)間距離值愈小，則表示兩筆資料在某方面的相似性程度愈高

不同性質的資料，則有不同的距離量測方式。


常用類型：

歐氏距離(Euclid Distance)
求m維空間中兩個點之間的真實距離。

曼哈頓距離(Taxicab geometry)
兩個點上在標準座標繫上的絕對軸距總和。

馬氏距離(Mahalanobis distance)
表示數據點之間的共變異數距離。


常見測距演算：
KNN(K-nearest neighbor)
一種機械學習方法，而做法為比對測試資料與一群訓練資料中距離最接近K個的資料


SVM(Support Vector Machine)
在n維度空間出相異集合的超平面(hyperplane)，使之將兩個不同的集合分開。


RBF(Radial Basis Function Network)
一種類神經網路，不好解釋

資通信與雲端運算發展之探討

課程: 論文研討(三)
日期 : 2012/12/7
時間 : 13:50 ~ 15:30
學生 : 資傳研二 陳怡安
演講者 : 中華電信總公司客服處處長 簡志誠


心得：


雲端技術簡介 10%
雲端運算技術產業的產業結構 15%
各國的雲端運算技術產業相關政策解說 5%
目前中華電信提供的相關雲端服務 70%

聽中華電信老王賣瓜，不如重溫刺陵

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(一)
日期 : 2012/12/28
時間 : 13:50 ~ 15:30
學生 : 資傳研一 王健任
演講者 : 國網中心 王耀聰

目前來說各種家電的網路化及數位化的數度越來越快，相信很快的家中所有的物體都可以經由網路來控制，由於未來所有東西幾乎都可以連上網路，目前的IP已經不夠使用，所以啟用了IPV6，面對如此龐大數量的裝置，必然會產生龐大的資料，所以未來這方面的人才將會非常的搶手，未來處理海量工作的人必須了解SMAQ ，其中代表性的軟體為Hadoop，因為使用者規模夠大，可以建構出豐富的海量資料工具庫。
只要想得出方法有效的使用與管理海量資料，這將會帶來很大的商機

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(一)
日期 : 2012/12/28
時間 : 13:50 ~ 15:30
學生 : 資傳研一  李金龍
演講者 : 國網中心 王耀聰

心得感想:

演講主要再敘述未來的雲端行動運算中，還有一塊區域是未完善的，從物聯網的崛起、雲端運算、雲端海量的資料、智慧城市應用等等，以資料本身的視角去說明，由物聯網->雲端資料服務中心->開放資料Open Data->Big Data->各類終端設備，在這整個過程中有一塊區域就是Big Data，它的問題會由於越來越多的使用者而產生，根據趨勢使用的空間容量已經成幾何的成長，這個問題也越凸顯出來。

圖片來源: 演講者公開的投影片

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(三)

日期 : 2012/12/28

時間 : 13:50 ~ 15:30

學生 : 資傳研二 溫千力

演講者 : 國網中心 王耀聰

心得報告：

目前電子產品「智慧化」已成為趨勢，因此許多資料都須經過處理之後進行預測才能達到智慧化，所以資料分析就是最後一塊拼圖，令裝置智慧化的重要步驟。整個演講是圍繞著下圖進行介紹，內容包括雲端的起源、趨勢、定義與應用等方面。演講者無介紹太多雲端技術，而是著重在雲端服務上，雲端運算是必須隨時隨地使用任何裝置可存取各種服務，因此以商機而言是在「雲」資料中心提供服務方面。演講者以說故事的方式介紹雲端，雖然可以讓人容易了解他所要傳達的資訊，但資料過多令人無法吸收。

海量資料：行動運算的最後一塊拼圖 From WSN to Mobile Computing, Big Data: The Missing Pussle

課程：論文研討(三)

日期：2012/12/28

時間：13:50 ~ 15:30

學生：資傳研二 葉怡婷

演講者：國網中心 王耀聰

心得感想：

雲端運算並不是一項全新的技術，而是一個概念，因著人類所屬的環境資料大量數位化，而造成今日的海量資料，過去電腦的計算和儲存方式，已經無法負荷這樣的情況，因此各國開始推展雲端的概念，並實行於現實中。而雖然現在發展得尚未成熟，但已經可以看到許多改變和趨勢，例如：物聯網的時代來臨、智慧電網的新政策、搜尋關鍵字的熱門度、開放資料的新趨勢。

雲端的重點也不在於技術，而是在商業模式的改變。過去的商業模是習慣軟硬體的買斷以及定點服務，但雲端時代開始則以租賃及行動服務為導向。所以可以知道，雲端是可以隨時隨地使用任何具網路功能的裝置存取各種服務，所以資源是共享的，也可快速的重新部屬，但同時也是一種可被監控和測量的服務。所以，以雲端來說，服務就是他的本質。而這些雲端的提供者，除了有工用雲端、司有雲端、還有社群雲端，服務的對象分別針對中小企業、大型企業以及學術。

所以從上述可知，雲端關鍵的驅動力有三個：1. 因應全球資料爆炸，資料網雲端擺放可試圖解決這個問題。2. 隨時提供個人所需的行動服務。3. 降低企業的經營成本，以租另取代買斷，動態隨需付費。這三個關鍵的驅動力，使得雲端運算成為必然的趨勢。

然而我個人比較好奇的是如何管理海量資料？講者今天的演講回答了我的這個問題：海量的資料挑戰在於如何管理「數量」、「增加率」與「多樣性」。目前資料的數量已經是從TB開始起跳，到PB、EB，可見資料量的龐大。而資料的增加率則可分為批次作業和即時作業。至於資料的多樣性就得靠結構化、半結構化、非結構化資料來區分。以這三種角度來管理海量的資料，使得存放海量資料便不再是夢想。

自從雲端的概念被推出之後，就被非常熱絡的使用，近來系上也請了不少講者、教授來建立我們對雲端的概念，但可以發現都是瑣碎、零散的，然而這次的講者帶來了非常完整的雲端概念，從硬體介紹，到重點的海量資料運算，到現實的應用情況，將我們過去學到的概念全部融會貫通。但也由於這次帶來的資料非常得豐富，一次聽完還真的是有點吃力，可以的話，我會希望這次的演講能夠分成兩次，然後再作更深入的介紹，或許會有更好的成效。