課程：論文研討(二)
學生：資傳研一 劉孝皇
報告：

無題

課程: 論文研討(二)

日期 : 2013/05/10

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 皮托科技公司總經理　陳貞卿

心得：

演講者分享了許多就業經驗：1.自信與實力是必備，別因學歷與學校而失去信心，有實力才能在錄取後完成工作。2.丟掉夥計心態，用老闆角度思考，升遷機會較高。3.除了專業之外，做人也很重要。4.在學校期間，多加利用學校資源學習更多專長、了解不同領域的同學的研究等。
另外也還有看到3D模型印表機，看起來比一般模型輕很多，而主要的原因是因為裡面為中空。只要路徑規劃得宜，就可以做出中空的模型來節省成本。私下詢問得知，如果把一個相同實心模型的材料拿去做空心的，大概能做出10倍以上的量，而且時間也不用花很久就能製作好(相對於傳統而言)，感覺相當不錯。

雲端運算安全的挑戰與機會

課程: 論文研討(二)

日期 : 2013/05/03

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 優弧資訊公司總經理　呂沐錡博士

心得：

因為雲端的興起，讓許多人都開始紛紛使用，而雲端平台有著高存取性，高可用性，高容錯性以及彈性的資源分配和擴展等優點。但並無普遍被使用的原因在於安全性，雲端運算不只有傳統攻擊問題，還有因為虛擬化與多租戶共享資源所產生的新型攻擊。而且資訊的集中化將使雲端服務商成為被攻擊的目標，不僅可能會造成惡意入侵行為，也會產生由伺服器端洩漏隱私資訊的風險疑慮。
另外CSA亦提出雲端運算所遭遇的七大安全威脅：1.濫用或誤用雲端計算進行非法行為 2.不安全的介面與APIs 3.惡意的內部人員 4.資料遺失或外洩 5.共享環境造成的議題 6.帳號或服務被竊取 7.”未知”的風險架構。

使用雲端運算服務會使機敏資料外洩的風險大幅升高，而且還須考量資料存取、虛擬環境安全、資安監控與隱私權等各種安全議題，要有效地解決這些問題才能使得雲端運算普及化。

Exploring Visual Saliency for Image Segmentation and Object Detection

課程: 論文研討(二)

日期 : 2013/04/26

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 :中央研究院  劉庭祿研究員

心得：

首先簡介Graph Cut，這是一種能夠將前景及背景分開的方法。一般圖都會有點，而點和點之間有線，每條線可以賦予權重值，而Graph Cut的圖還會再賦予兩個點S(Source)和T(Sink)，圖上的每個點將會依照最小分割原理被分成兩組(S和T)。也就是說：兩點之間的變化愈大＝相似程度愈小＝損失函數E(A) 愈小，也就能夠依照最小切割原理將此兩點之間的線切斷，這樣就可分出前景及背景。

利用眼球追蹤觀察使用者關注在哪些區域(Visual Saliency)以產生Saliency map，並在影像上框出多個Windows計算是否存在Saliency object，最後利用Graph cut將影像前景與背景分割。此研究可利用多張影像讓電腦自動判斷進行分割(fully unsupervised)，將影像oversegment分成300~400個superpixel (decompose image)，使用Energy functiony再比較任兩張影像的前景是否相似，以此達到自動分割之目的。

從個人資料保護法談個資保護與資安防護實務

課程: 論文研討(二)

日期 : 2013/04/12

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 :陳鴻彬 顧問

心得：新版個資法已於今年10月1號正式上路，其適用對象包括了自然人（也就是一般人）、法人（企業）或其他任何3人以上的團體。對公司企業而言，如果洩露消費者的個資，天價的損害賠償金額很嚴重；而人肉搜索、行車記錄器、網路相簿、網路購物、ATM詐騙等等，也都跟大家息息相關。

個人資料保護法，也被稱為新版個資法，這是因為早在民國84年間，政府便已公布施行了《電腦處理個人資料保護法》，時間距今十餘年之久，因此被稱作舊版個資法，可想而知，其中的許多規定早已經不合時宜。新版適用的範圍大為擴張，不再侷限於特定行業以及數位資料，並且加重刑罰，相同原因產生的賠償金額合併計算，最高可以達到2億元，這個金額是舊有法規的10倍之多。

新版個資法還有個最大特色，就是團體訴訟，也就是往後發生個資外洩糾紛，可由公益團體出面代表所有受害者進行訴訟，免除了以往受害者必須自行跑法院處理相關流程，且勢單力孤難以跟大企業對抗的窘況，進一步落實個資保護的制度。

個資法主要從蒐集、處理和利用等三個層面，來規範個資的使用範圍，不論是電腦中的數位資料，或者是寫在紙張上的個人資料，全都一體適用。

個資法亦明令，個人仍然可以對已經提供出去的個人資料，行使相關權利，這包括了查詢、更正、要求停止蒐集、處理或利用，也可以要求企業進行完全刪除。另外，企業在運用個人資料時，必須要取得當事者書面的同意，書面指的是紙張，這在現今社會或許較難達成，因此企業可能會採取契約或類似契約的關係來代替，像是網頁上的同意勾選框，所以在勾選前最好也先看清楚內容。

醫療影像處理在診斷/預後之應用

醫療影像處理在診斷/預後之應用

課程: 論文研討(二)

日期 : 2013/03/29

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 嘉義大學　柯建全教授

心得：使用醫療儀器如X-ray、MRI、CT等產生影像後，利用電腦運算進行分類或辨識等應用，以達到客觀處理、確保準確性、減輕醫師的工作分量與負擔以及減少人為失誤發生的目的。在醫學影像處理上最常見的問題：1.模糊：在拍攝期間呼吸等動作造成影像模糊；2.對比度低：解析度或成像設備所造成；3.複雜的紋理：人體器官複雜。

1.X-ray：是利用穿透過所欲照射物體的X-ray，經過映像裝置而形成可見影像，在骨頭的部分亮度較高。

2.CT：利用由各種角度攝取的X光資訊，重建身體的剖面圖。

3.MRI：利用核磁共振原理，依據所釋放的能量在物質內部不同結構環境中不同的衰減，通過外加梯度磁場檢測所發射出的電磁波，即可得知構成這一物體原子核的位置和種類，據此可以繪製成物體內部的結構圖像。無輻射、對軟組織敏感等優點，但速度慢、金屬物會干擾成像。

4.SPECT：使用Gamma-ray來成像，可多角度偵測目標器官，再經影像的重組，成三度空間影像。

5.PET：是以類似葡萄糖的物質FDG作為放射藥劑，可進行體內器官組織的代謝評估，可驗出0.5公分以下的腫瘤，但有發炎症狀時會造成誤判。

6.超音波：具速度快、價格低廉、無輻射等優點，但解析度低且雜訊多。利用以上儀器所獲得之醫學影像，雖然可以顯示身體部分的組織結構或生理變化，但單一結構性或功能性的醫學影像無法同時提供組織的空間相關位置，因此須進行對位（registration）的處理。

    另外整個醫療影像處理的步驟為1.預先處理：像是增強對比與移除雜訊等2.對位3.分段4.動作追蹤：活細胞的活動方式5.病變特徵擷取：特徵太多或無效特徵會影響分類器的判讀結果，最後進行效能分析。

    影像處理的應用不只在上面所列的幾項，連一些細胞的檢查也會透過影像處理的方式來進行篩選，如經由邊緣偵測及K-Means等來分辨出良性和惡性的細胞。但是除了影像處理外還需要，醫生的專業知識及相關的醫學影像，而溝通也需要花費大量的時間，光這些就讓醫療影像處理比起一般影像處理來的困難很多。

The role of the study of programming languages in the education of programmers

課程: 論文研討(二)

日期 : 2013/03/22

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 政治大學　陳恭教授

心得：程式語言就其接近人類語言的程度，大致可分為低階語言 (Low-level Language) 與高階語言 (High-level Language) ：

語言名稱	呈現形式	缺點	優點
機器語言	用０與１來編寫程式	人們不易看懂，編寫程式不易，維護困難	不用翻譯便能執行，執行速度最快
組合語言 ( 低階語言 )	以助憶符號編寫程式 組合語言 → 組譯器 (Assembler) → 機器語言	編寫程式須瞭解電腦內部組件的特性及能力	命令語法較機器語言易懂大都用來編寫系統軟體
高階語言	接近人類的自然語言及數學表示法 高階語言 → 編譯器 (Compiler) 或直譯器 (Interpreter) → 機器語言	必須經編譯器或直譯器翻譯才能執行	可不必知道硬體內部結構程式撰寫、除錯容易

早期在程式語言萬馬奔騰的時代，每一種程式語言通常有比較清楚的功能分際，例如 BASIC 適合初學者、 C 語言適合用來開發系統程式、 FORTRAN 為科學運算程式語言、 Pascal 為結構化程式語言…，不過隨著技術的演進，這些分際越來越模糊，演變至今，較先進的程式語言幾乎都有一個共同的特色，那就是「物件導向」，也就是說，物件導向已經成為程式語言的主流。

因為程式語言本身不可能無限制地擴增功能，若無限制地擴增功能會增加系統的負擔，也會增加使用者的困擾，但另一方面，對程式設計師來說，卻希望程式的功能能無限擴張，而物件導向程式語言的特色之一便是可以讓程式設計師以既有的物件為基礎，擴增物件的功能，藉此擴張程式語言的功能。

雖然物件導向程式語言比傳統程式語言難，但不同程式語言之間的互通性高 ( 特別是觀念上的互通 ) ，學過一種物件導向程式語言，想再學另一種物件導向程式語言，通常都很容易上手，因此對初學者來說，可以選擇任何一種物件導向程式語言作為學習的第一個程式語言，目前市場上接納度較高的物件導向程式語言有 C++ 、 C# 、 Java 、 VB7 …等。

所以我個人認為至少要先選擇一種程式語言當作母語，扎實的打好基礎後再進行其他程式語言的學習會較有效率。

智慧型視訊監控的研究現況與展望

課程：論文研討(二)
日期：2013/03/01
時間：13:50 ~ 15:30
學生：資傳研一 劉孝皇
演講者：輔仁大學電子系 王元凱教授

心得報告：


近年來，監控攝影機廣泛裝設於城市街角、道路、大樓及重要公共設施中，成為嚇阻犯罪的重要利器之一。視訊監控對犯罪案件的事前防範及事後破案可說提供了極大助益，但為了減少監控人力並進一步降低人為誤判的狀況，使得智慧型視訊監控軟體逐漸興起。
第一代視訊監控：CCTV為類比訊號不利於智慧監控；第二代視訊監控：Digital Video Surveillance可擴展性高、網路傳輸、遠端控制與數位儲存；第三代視訊監控：3GSS，IP、分散式、智慧，更適於智慧型視訊監控。
演講者有提到目前計畫有智慧型建築，目標是開發智慧型建築內部空間不可或缺的全方位、主動式和機動性的智慧性視訊監控系統。另外還有智慧型社區與城市，其目標為開發戶外社區及城市大範圍區域之穩定、成熟而具產品面向的智慧性視覺監控系統。
因為全球城市化趨勢使得都市犯罪率持續提昇，監控攝影機快速遂廣泛佈建於大街小巷以嚇阻犯罪。展望未來，監控攝影機的數目將因防恐及治安等需求而快速增加，而眼力監控時代也將因人力成本過高而逐漸由智慧型視訊監控軟體來取代。過去國內監控硬體廠商在全球已取得一席之地，未來應該積極投入軟體系統的開發，透過完整系統的提供來增加競逐全球安控市場的籌碼。

Games for Researches

課程：論文研討(二)
日期：2013/02/22
時間：13:50 ~ 15:30
學生：資傳研一 劉孝皇
演講者：東華大學　戴文凱教授 
心得報告： 此次演講是關於遊戲的製作，主要包含一般在遊戲中常見的大型背景建築和一些與其他業者合作的案子，如："Music Score Editor"半自動節曲音樂節拍，是讓使用者可以選擇歌曲並自動產生樂譜，如此一來遊戲廠商可減少買歌的授權費，另外還有"AI Engine"鬥地主及"GOL"圍棋等多人線上遊戲，其中"GOL"融入圍棋相關的知識，建置圍棋教學平台，供老師設計多元教學內容做為輔助教材，提高學童學習圍棋的興趣；"UOL"University (NDHU) On-Line是以東華學生為遊戲中的角色，可經由遊戲認識學校或是回答老師所提出的問題；"Fantasy Horse"是一款賭馬遊戲，會根據比賽的進行來調整鏡頭與自動產生播報員講稿讓比賽過程能更加緊張刺激。 而另外一項重點則是遊戲中建築物的建構，戴文凱教授提到以中國建築為例，他們研究了各式中國建築的特色，並列成公式，讓程式得以自動產生各朝的基本建築，而後再將這些技術轉移給業界，使得業界能夠節省更多建模的時間，但由於模型都非常的精美且逼真導致面數非常龐大，使得遊戲在讀取上非常耗時(以XNA來說一個遊戲基本上總面數不能超過655350個面)，因此現今大部分遊戲都是改採用貼圖的方式。 最後戴文凱教授教授也有提到，要製作一個遊戲就必須"完全"了解她的流程及架構，這樣才能製作出好遊戲。

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 劉孝皇
演講者 : 國網中心 王耀聰
心得報告：
這次演講介紹海量資料的內涵、趨勢、相關挑戰與因應對策。海量資料為單一資料集，大小介於數十TB至數PB的資料，資料大小已無法用一般軟體來處理，因此海量資料模型強調如何管理資料數量(Volume)、資料增加率(Velocity)與資料多樣性(Variety)。Gartner曾提出資料管理的12維度，歸類為三個向度：(1)數量控管：Velocity、Volume、Variety、Complexity，(2)權限控管：Classification、Contracts、Technology、Pervasive Use ，(3)品質控管：Perishability、Fidelity、Validation、Linking。海量資料只是終極資訊管理的開端，前述的三個向度都是未來資訊管理系統必須考量的要求。在趨勢上軟體發展必走向智能化，資料(data)經由整理變成知識(Knowledge)，知識分析形成智能(Wisdom)，以政府來講，這幾年提倡的愛台12項建設, 從e-Taiwan、M-Taiwan、U-Taiwan到「智慧台灣」，台灣軟體發展也是依循這樣的趨勢；雲端運算的智慧來自於群眾的智慧，雲端時代不應只著墨在裝置端，而是要聚焦在那朵雲，掌握及分析雲端資料，形成智能在裝置端使用，套用知識管理模型來看，資料經由整理、轉換、分析，人工智慧應是由經驗值推論，才能提供最好的決策。雲端運算的三種服務模式包含Lass 、Pass和Sass。在規劃上台灣因中小企業特別多，通常企業會先計算出需求的平均值，建置自有的私有雲，超出平均值的部份再租賃公有雲，形成所謂的混合雲(Hybrid Cloud)。
處理海量資料首要為資料整合，將這些跨系統的資料庫轉換成資料倉儲，才能進行資料分析。而三種服務模式所對應的技術為虛擬化技術、資料分析及網頁服務，內涵分別為儲存虛擬化/備援與加密、資料整合/資料探勘、提供API介面/分散式資料庫。
未來處理海量工作的人必須了解SMAQ (storage、MapReduce及Query)，全球多數使用的是自由軟體Hadoop，因使用者規模夠大，可以建構出豐富的海量資料工具庫，目前Yahoo、Facebook、微軟及Oracle等企業皆有使用，因此未來可利用Hadoop建構企業專屬的資料倉儲、商業智慧分析及搜尋引擎。

Introduction to Distance Metric Learning

課程: 論文研討(一)

日期 : 2012/12/21

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 海洋大學資訊工程學系 張欽圳

心得報告：

這次演講是關於資料的分類與分群，在由machine learning中無論是分群還是分類，幾乎都會利用距離(Distance metric)作為判斷依據，讓電腦從大量分類或分群好的資料中去學習距離的定義，當新資料加入時可以利用學習出的距離定義將資料進行正確的分類或分群，其中又分為監督式學習跟非監督式學習。而監督式學習是必須先有一筆已知資料讓機器學習，就是告知這一群資料的每一筆分別屬於哪一類(如adaboost)，非監督式學習則是直接對資料庫進行分群，依照我們預先觀察到的特徵進行相似度比對，當達到一定門檻值的資料聚集在一起(如K-means)。

資通信與雲端運算發展之探討

課程: 論文研討(一)
日期 : 2012/12/7

時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉孝皇
演講者 : 中華電信總公司客服處處長 簡志誠

心得報告：
「雲端運算」並非全新的技術，但雲端運算正逐漸影響企業運作，以及個人的工作與生活方式，因而衍生出的創新商業模式，不僅將重塑資通訊產業，也將對各級產業，尤其是服務業的營運模式產生重大影響。

這次演講除了介紹雲端運算的產業結構和各國的雲端政策外，也介紹了中華電信相關的雲端服務，包含四中心(雲端服務營運中心、雲端運算測試中心、雲端運算研發中心與雲端服務體驗中心)一平台(雲端服務創作平台)一市集(中華雲市集) 作提供優質雲端運算產品產品、服務服務與與解決方案，而中華雲市集中的產品主要是提供給一些中小企業。

雲端運算服務市場預期對國家、社會，以及產業影響與效益有：

（一）雲端運算架構可整併政府資訊系統，有效減少政府支出，並可減少資訊系統建置時間、降低系統性風險，並可提升便民服務的效率與品質。

（二）雲端運算架構及營運模式符合節能減碳及環保趨勢，就使用綠色伺服器而言，全球一年可節省電力損耗約達 112 兆瓦，減少碳排放量超過 7 千萬公噸，臺灣 IT領域節能技術，預期可貢獻超過1/3，提升臺灣國際形象。

（三）推動雲端運算可協助國內資訊業者基於平價硬體製造實力，進一步提供高附加價值之系統整合與軟體加值服務，預期毛利可從平均約 10% 提升至 30%。

（四）雲端運算提供創新的電腦運算即服務（IT-as-a-Service）商業模式，可以加速服務業科技化的進程，提升市場競爭力，進而進軍醫療、教育／文創等超過 1 千億新臺幣硬軟整合系統國際市場商機。

臺灣有超過 70% 的服務產業，應該把握機會，將重心放在服務創新上。雲端運算將是一個最好的平台。

Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(一)

日期 : 2012/11/16

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 義守資工系 郭忠民 教授

心得報告：一般的影像檢索系統是藉由類似特徵查詢到相似影像，而分類系統是影像對每個類別的特徵性質進行比對並分類到適合的類別裡。利用尺度不變特徵轉換(Scale-Invariant Feature Transform, SIFT)擷取特徵點並改良傳統SIFT無色彩特徵資訊後，訓練特徵點產生視覺字(Visual Word)去作為視覺描述子(Visual Descriptors)和比對精確效能的指標，由於SIFT對平滑背景部分無法有效擷取特徵，所以利用區塊特徵(KeyBlock)改善平滑背景部分無擷取特徵點而影響影像的比對。以4×4區塊分割的方式來擷取影像內容具代表性的特徵，與SIFT相比較簡單容易且有效，並加入巨觀與微觀的概念，建立出巨觀視覺字典與微觀視覺字典，巨觀微觀字典以不同比例進行搜索時，可找到不同類型的照片，以相似性、差異性histogram(並非灰階值而是visual word)進行比對。以ARR與ANMRR套用巨微觀不同權重比例的實驗結果顯示此研究所訓練的視覺字典具有描述能力，也進一步將視覺字典應用在影像分類上。雖然有少數結果錯誤，但之後將樣本增加的話相信在影像檢索的準確率能大幅提高。

自動光學檢測技術與職場經驗分享

課程: 論文研討(一)
日期 : 2012/10/19
時間 : 13:50 ~ 15:10
學生 : 資傳研一 劉孝皇
演講者 : 宏瀨科技 詹方興
心得報告:
AOI為自動光學檢測；AOI設備被定義為完全自動化的光學系統，依技術可分為1-D(一維條碼檢測、位移檢測)、2-D (圖像識別、瑕疵分類、二維條碼檢測、形狀量測、熱影像檢測、色澤檢測)及3-D(形狀量測、高度瑕疵檢測)三種，AOI技術應用非常廣泛，包括工業生產品質檢測、宇宙探測、生物醫學成像檢測、軍警指紋比對及字形辨認、機械視覺、多媒體技術應用等。
AOI可應用於外觀檢測(Inspection)及物件識別(Object recognition)和機器導引與定位等，不過台灣AOI產業面臨人材取得不易的問題，因為AOI產業為ㄧ整合性之技術產業，AOI系統=光電技術+影像處理技術+自動化應用技術且國內沒有任何科系專門培養AOI領域的人材。此外還有另一個問題是台灣AOI產業面臨關鍵元件無自主性的問題，AOI設備廠商所需之關鍵零組件皆由國外(美、日、歐)進口，如光學鏡頭、CCD攝影機、照明光源及影像函式庫等。

IoT Multimedia Platform and Advanced Applications

課程: 論文研討(一)
日期 : 2012/10/05
時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉孝皇
演講者 : 陳俊良 教授

心得:

物聯網(Internet of Things)指的是將無處不在(Ubiquitous)的末端設備(Devices)和設施(Facilities)，包括具備「內在智能」的感測器、移動終端、工業系統、樓控系統、家庭智能設施、視頻監控系統等，如貼上RFID的各種資產(Assets)、攜帶無線終端的個人與車輛等等「智能化物件或動物」或Mote，通過各種無線或有線的長距離和短距離通訊網 Web4.0:物聯網絡實現互聯互通(M2M)、應用大集成(Grand Integration/MAI)、以及基於雲計算的SaaS營運等模式，在內網(Intranet)、專網(Extranet)、或網際網路(Internet)環境下，採用適當的信息安全保障機制，提供安全可控乃至個性化的實時在線監測、定位追溯、報警聯動、調度指揮、預案管理、遠程控制、安全防範、遠程維保、在線升級、統計報表、決策支持、領導桌面(集中展示的Cockpit Dashboard)等管理和服務功能，實現對EveryThing「高效、節能、安全、環保」的「管、控、營」一體化TaaS服務。物聯網及其相關的TaaS業務，在基於Semantic Web技術的Web 3.0基礎上，將構成Web 4.0的主體。


在架構的部分主要可分為三層，最下層為「感知層」，由各種資訊擷取、識別的感知元件所組成；中間為「網路層」，即各類無線傳輸技術；最上層為「應用層」，即物聯網的各種應用領域，例如：環境監測、城市管理等。而介於網路層與應用層間存在一個子層為「應用支援層」，主要負責提供各種類型的平台，來串聯各種傳輸網路和應用服務。

未來手機都是IoT的一個點，每個點都可以當作一個多媒體的傳輸，不過以現階段來說現階段ID!=IP，所以當哪天ID與IP可以互相轉換時，就能夠實現物聯網所談的萬物在網路相連的理論，此外物聯網與雲端運算有非常直接的關係。由於雲端運算是將所有資訊放置資料中心裡，然後在網路上存取使用，這種「IT即服務」的概念，就是實現物聯網最重要的關鍵，因為唯有雲端運算技術夠成熟，才能夠被達成。
最後也有同學問到關於大陸的物聯網，而其物聯網產業發展分成3個階段，第1階段(2011年至2013年)為「應用創新與產業形成期」，這個階段主要為公共領域的導入時期，包括城市管理、智慧交通與節能為主要應用；第2階段(2013年至2015年)為「技術創新與標準形成期」，此階段的應用發展已經從公共領域跨入產業與企業導入時期，主要應用為智慧製造與物流管理。第3階段(2015年至2020年)則是「服務創新與產業成長期」，此時期不僅企業廣泛導入物聯網，個人與家庭也都成為使用者，包括食品追溯管理、智慧零售、綠色農業、行動支付、與智慧家庭等應用都已臻成熟。不過相較於此，台灣在這上面的商機或許就沒有大陸那麼多，也難怪很多廠商主要還是在大陸開發市場，因為在大陸只要有一小部份人使用就可以賺不少錢了。所以台灣業者可藉由中國大陸正全面建構物聯網技術標準的契機，尋求與中國大陸業者合作，取得標準建立的主導權，進而擴充全球市場，成為全球物聯網裝置主力出貨地。
總而言之，面對物聯網如洪水般的趨勢，除了提供產品與服務的廠商，應加緊腳步切入市場外，各行各業應該尋求自身企業所可使用的物聯網應用，來提升競爭力，否則當其他競爭對手利用導入物聯網來加快產品生產或提升客戶滿意度時，還沒跟上腳步的企業，恐將因為競爭力不足而面臨經營危機。

From Relational Databases to Distributed/Parallel Databases to cloud Databases

課程: 論文研討(一)

日期 : 2012/09/28
時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉孝皇
演講者 : 陳良弼
心得感想:
　　在今天的演講中最令我在意的是NoSQL，因為像Facebook以及Google等為了解決海量資料的存取問題而改用NoSQL來提升效能與擴充彈性，其中常見的NoSQL資料庫分為圖學資料庫(Graph Database)、文件導向的資料庫(Document-Oriented Database)、Key-Value Store分散式資料庫和記憶體快取為主的資料庫，而在解決海量資料時則可採取Key-Value將資料的結構簡化，另外每一筆資料之間沒有關連性，所以可以任意切割或調整，也可以分散到不同的伺服器中建立備份。 不過在使用Key-Value類型的資料庫時就可能發生資料衝突或遺失，因為Key-Value資料庫不像SQL具有交換(transaction)，所以當資料有異動時就可能發生衝突。
　　在網路上找了一下相關的解決方式，雖然有CAP理論，包括資料一致性(Consistent)、可用性(Availability)和中斷容忍性(Partition Tolerance)，然而理論上無法同時兼顧CAP這三種特性，所以NoSQL資料庫通常會選擇其中兩種特性來設計，通常是選擇CP或AP。 NoSQL資料庫會採取Eventually Consistency(資料遲早會一致)的作法，因為NoSQL的分散式設計會將資料分散複製到不同節點中，每個節點各自也能異動資料，然後再彼此同步。
　　Key-Value資料庫是NoSQL中最常見的類型，這類資料最大的特色就是採用Key-Value資料架構，取消了原本關聯式資料庫中常用的欄位架構(Schema)，每筆資料各自獨立，所以可以打造出分散式和高擴充能力的特性。 包括像Google的BigTable、Hadoop的HBase等都是這類型的資料庫，而且Facebook在2008年釋出的分散式資料庫Cassandra可儲存高達120TB的站內信箱(inbox)資料，盡管現在NoSQL還不是很完全，但想必以後會是NoSQL的天下。