C50108
Search…
2019/0311/胡中興 工業4.0講習

R語言 股票分析?資料視覺化
IOT 物聯網 使用 安卓技術
機器學習 AI人工智慧
處理資料的python不是一般的有其他套件
資料分析 -> 機器學習 -> 視覺化資料
產業人才投資方案
工業革命 勞工被機器取代
第四次工業革命 工業4.0
工廠 -> 操作機器
學校 -> 機械工程 航太 電子電機 ...
取代人力?有
只是結構改變農業轉工業
amazon 一堆數據 消費者行為分析 物聯網 -> 結帳區塊鏈 密碼學
工業4.0 ai 大數據 物聯網 區塊鏈
都可用python實作
開發資料庫 寫網頁
德國 提出4.0 因為少子化且不進工廠
十年前不存在且冷門 ai 大數據 物聯網 區塊鏈 high skill poople
linkedin 上過 學過 都很有機會
產業要如何導入 4.0 ?
online 線上資訊 針對銷售
offline 線下資訊 搜尋視線針對物
6點起床 晚上半夜不睡 免疫系統下降

台灣薪資架構有問題
台灣工程師 能力強超級強 三十四十年 PAY很低
矽谷工程師 交大碩 直接面試伸陽 資料庫程式設計師 45歲 IBM股票
45 LAYOFF 27歲出國 股票全賣了然後搬回來
12年前就沒在工作
台灣工程師每個技術都在學 需要花那麼多時間學那麼多技術嗎
你又不是講師
台灣工程師每天都只是在做瑣碎的事情 無產值產能

東水 東港海事電子科 美和技術學院 CCA文憑
新加坡團隊 26 技術長 2美國3印度3台灣 講英文 9個月 破百萬
私底下又成立公司
推甄研究所義守大學資工研究所PHP使用案例圖 循序圖類別圖
學生資訊系統,賺錢義守遊戲開發比賽,九千多塊刷刷刷,第一名日本
受訓三個月,第一個月C#零基礎,第二個月...,第三...,最後選出一個,
奧爾資訊公司,

我兵單隨時會到,結果沒來就推甄研究所了
四年半 早上工作 晚上碩班 四年後已經有4年半經歷
畢業不到三年 一個月薪水8萬五 ,四五年前事情

為何PAY五倍以上
不只是 Profassional 專業人士 熟
真正要成為 export 專家 深入
facebook 社群網路 電影
社群網戰
Wikipedia
php撈妹仔資料,找資工幫寫演算法,誰漂亮誰不漂亮
被學校叫去 資安有問題 校長說好幫忙找漏洞沒被開除
其實有另外兩個人先提出構想但沒做,主刻薄去做了

解決a問題所以a技術,無法個人找b團隊
深入下去技術能力越來越強
創投公司 開始注意所有技術人員工程師
前瞻未來潛力 他就會投資
台灣工程師 該做事情沒做都在做瑣碎事情。
50歲離開美和 景華資訊銀行軟體 20萬董事長微軟找
6年前位子研究院院長6個副院長高階項目經理的下一層,高校大學北大
北清華東京大學慶應大學產學合作,吃吃飯聊天演講,第四階項目經理
專案經理 2萬塊美金一個月
楊文良4x歲
微軟亞洲研究院副院長10萬美金一個月
最小板塊非營利 一個月六十萬
微軟一個月花在研究的經費 天文數字
在美國很多間像這樣的公司google facebook ...很多間 pay都是這麼高
對岸呢 百度 騰訊 阿里巴巴
台灣?
關鍵本身企業財力物力本身就不夠
技術在身上知道怎拚 中年失業
it 產業比年輕 動作比你快pay比你低
但在資料科學處理是在比經驗
找到一個技術就要focus

股票市場隨機性太高
但在窄領域如醫療工廠消費變化性較低所以容易產出預測模型
弱ai 就像語音視圖辨識 棋譜演算 ...
阿帕夠0 不需要數據 左手跟右手下 三天9段 40天跟科節一樣
輕易的被打敗
在所有領域內的知識都是錯的不完整的
全面性應用至少還要再20年緩衝
要找到市場的供需並專精
上課都在放錄影帶?缺師資
會賺錢的公司是手上有數據的公司

股票市場一開盤 數據開始爆量
程式交易甚麼時候進場離場 電腦預測
時間點買進賣出 real time
cnc工廠刀頭一值在使用何時會斷? 異常分析
在斷之前就要換 精密加工
邊緣運算 edgecomputing 在本地端用樹梅派晶片
演算法去算資料iot感測器抽資料 AIOT
智慧物聯網
後面底層為網路概念UDP等等...
無人自駕的車子
未來要下交流道GPS全部都丟到雲端再算?早就出車禍了
當然是這5部車自己的樹梅派進行邊緣運算
機聯網 車聯網 全面性智慧化 CCNA CCNP

世界發展趨勢
如何找工作最容易 全世界都在搶這方面人才 應徵外商 PAY高職缺多
英文不是問題 是你有沒有她要的東西

未來很容易產生 ZB以上資料出來
IDC數位調查公司 2016 2~3 個 ZB 但IOT
未來一個月可以產生以前十年產生的資料量
伺服器需求會超級大
但無產業發展政策只有民間力量
自保 就要具備這些技術
關鍵不再於 世界如何應用 假設30年後高雄上完課要去諾刪機
下樓坐上無人車自動辨識你是誰與資料(簽證沒辦護照過期機票還沒買)
未來世界 機票怎麼買?訂票過程內送出一百萬票信息,這一百萬人就會回送
確認信息區塊鏈確定他是否有錢可購買,交易及成立,虛擬貨幣就會在廖老
師戶頭少一點在長榮多一點,直接不用CHECK IN,中華民國外交部直接知道
你的資料,在洛杉磯降落的時候哪個房間等等等都確定了
當人口數是120億,想像一下這樣的資料流會有多大
歷史其實一直在重演 工業革命 1 2 3 4 5 6.0 .... 不可逆一直在往前走
關鍵的本身在 ... 你自己能不能去適應
阿怕狗 幾個白人開發的下圍棋軟體 其實那幾個白人也不會下圍棋
2012年 黃世傑業餘5段 2個月後古歌花兩百億買下這間公司
收集大量的數據後去找演算法並調教參數最後會得到一個預測模型
訊號跟雜訊 clear
k線圖的數據
橫向單筆資料
生理切片
良性 惡性 就是預測結果
所有的數據造就結果

高低度相關
關聯度不高的資料移除就是clear
最後會出現預測結果
特徵變數
才去尋找演算法
整體為預測模型
最後做測試模型
好得時候98%壞的時候75
範圍大約在 98-75%
準確度
平均值
風險分析 riskanqwlsie
良率多少
老闆會說:這些都不重要
重要的是75要怎要提升到98
solotion 解決方法
做商的 stratagg 策略
範例 鋼鐵業鍋爐溫度中心測量不到你在鍋爐旁邊擺一百個感應器也沒用
良外面的溫度 但反推估測中間的假定溫度
當值8000度+-1%時
良率 >95%
只要讓外面量出來的職能夠推估中心溫度為8000的索引直 即可
polcy 政策對策sop
執行面 execution 產線上就要想辦法保持
ˇ要即時性 只能用邊緣運算
100個感應器算出索引直這才是真正的key
data scientists (資料科學家)
機率跟統計在解決甚麼問題? 不確定性uncertainty
決勝21點
Wikipedia
那為何還要大數據?
生產線早上精神好弄得好下班前最隨便 人為因素 原物料因素
隨機抽樣
原來母體就不完整怎樣抽取代表性資料呢?
it人將所有資料掃入然後寫一個邏輯在把資料抓取做比對最後75%時就決定他是錯誤的

給學數學統計的人使用的
RGui官方提供的ide
直議語言
腳本
K線圖 chartSeries
美股綠長紅跌上開下收
黃金交叉 策略
moving avange 移動均線
幾日都沒差 每間公司都不太一樣
每個賭桌你隨時都可以進場但你哪時能獲利?1.時機2.
遊戲規則 賭場的優勢是+11%
55.5% : 44.5%
no statgge沒有策略
有策略
50.5%:49.5%
記排 : 打敗莊家 書名
46.5%:53.9%
每年20%

兩套策略長期下來能賺錢
jim simmons 6%就進場

Copy link
On this page
工業4.0 人工智慧物聯網如何導入
工程師如何增取到一個好的pay
R語言
截圖