PTT評價

[討論] 大數據與產業:當電腦科學變成支援知識

看板HatePolitics標題[討論] 大數據與產業:當電腦科學變成支援知識作者
Pegasus170
(魯蛇肥宅台勞+前義務役)
時間推噓 5 推:5 噓:0 →:39

最近高虹安似乎是台灣政壇的熱門話題,她因為說過自己是大數據專長,我就在想:為何大數據跟非電腦跟資訊領域扯上關係?

後來在出差期間,跟蜂蜜井的專家聊到室內空氣品質與節能的關係,他們給了一個有趣的連結:

https://techtransfercentral.com/2021/03/09/syracuse-u-links-with-honeywell-to-develop-next-gen-indoor-air-quality-tech/

https://reurl.cc/W19rdy

裡面就有提到利用機器學習與人工智慧來收集及分析資料,並驗證模型。

然後主導的教授是:
https://www.sciencedirect.com/science/article/abs/pii/S0306261921003482

Dong(董?)教授自己就說到如何在航太領域與電腦及資訊的專家合作讓大數據、機器學習及人工智慧應用在空氣及節能的領域上。

而在跟Honeywell及Raytheon Technologies的專家進一步的聊天之下,才知道在所謂的大數據、機器學習、人工智慧上,最麻煩的不是電腦跟資訊這邊,因為市面上及學校裡已經有各種軟硬體、工具及程式編寫人員,甚至可以用簡單易上手的Python語言及Matlab、DataIku、Tensorflow、Tibco BI就可以達成(實際上在未來,Java這個語言就算有Spring Boot加持,也大概在未來10年內會淪為昨日黃花,目前連甲骨文都投降,替Python出資料庫連結模組,還釋出Open JDK變開源軟體)。雲端演算重要嗎?其實要看,如果是介面及儲存那沒問題,但是目前的商用雲端計算速度實在沒辦法跟大型主機對決,要不然為何還有一堆研究單位跟國際電腦製造商(特別是日本、美國、中國)花時間在玩大型主機研發製造?

換句話說,電腦與資訊領域提供的是知識、工具、軟硬體來幫助其他的產業領域將他們研究出來的Domain knowledge/Business context輕鬆套到Matlab、DataIku等軟體及容易上手的Python程式及函式庫中。真正重頭戲是產業領域的專家 (通用)/Product Owner(敏捷式管理)/Business Analyst(IIBA, PMP),讓他們把演算法/Use Case寫出來放進上述程式及軟體中。

所以我認為高虹安專長的應該是把機械工程與電腦及資訊領域連結套用上去。至於她如何及何種程度以副總的身份貢獻鴻海,那個還是老話一句:
只有郭跟高及直接利害關係人們知道

另外,關於碩士論文,目前跟我交換意見的北美教授、研究生及業界專家的看法是這樣:因為這二十年來各領域知識量太大,而業界對碩士的需求不再是研究,而是對於領域知識的學習及上手能力。所以教授在跟碩士生討論時,會去問學生未來的方向:如果是要繼續研究領域,會建議他們選擇一個自己打算長期經營的領域,針對那個領域往下鑽研,好好在碩士寫一篇論文,來養成未來進入博士班的研究及論述能力。如果是要進入業界,那就不要浪費時間寫論文,因為碩士論文只是在訓練未來進入博士班發表研究結果的工具及過程;而這些業界用碩士生應該在研究所其間盡可能實習、修習專業課程來增加自己快速跟產業磨合的知識級能力。真的需要在業界發表業界用期刊的論文,應該去學習他們的文章Protocol (這個我不曉得該如何翻譯才恰當)。

這篇不是很政黑,但是我想對台灣未來政經走向會有幫助。

--
Grundriss Weisheit

グルトリスハイト

https://i.imgur.com/4LqlURK.jpg


--

※ PTT 留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 209.195.85.165 (加拿大)
PTT 網址

kuarcis10/06 09:16你想得太遠了 台灣人只問是不是跟中國有關

downtoearth10/06 09:17資訊人只懂得採集 儲存 管理這些資料 但是 這些資料

downtoearth10/06 09:18還是得經過 各領域的專家 才能運用 資訊專業不會

downtoearth10/06 09:18看資料就知道怎麼建立天氣預測模型 或是 登革熱

downtoearth10/06 09:18熱點範圍

Pegasus17010/06 09:19是的,這就是資訊產業的悲哀…我碩士學位也是把分散

Pegasus17010/06 09:19系統跟分子構造演算結合。

downtoearth10/06 09:19也不能說悲哀 這個年代就是 專業領域分化 的年代

downtoearth10/06 09:20要嘛 自己能跨領域 要嘛 就能跨領域合作

Pegasus17010/06 09:22然後現在主要是在管理結合。

benedict7610/06 09:26高虹安去唸機械為啥會很難理解?有唸過資工的不會覺得

benedict7610/06 09:26奇怪啊

Pegasus17010/06 09:27不是難理解,而是

soulgem10/06 09:27支援知識聽起來好像很厲害, 但是看來將會被視為... 技術

DIDIMIN10/06 09:27現在一堆人跑個線性迴歸、logit model 就自稱 AI 專家

Pegasus17010/06 09:27那個年代如果資工念的好是不會輕易轉出的。

soulgem10/06 09:28想到最近在試一些號稱不用寫碼就能練模型的, 結果是掄牆

Pegasus17010/06 09:28就跟教主一樣會往美國一線公司求職。

Pegasus17010/06 09:30還有,支援知識不是很強,而是說失去了主導的舞台…

Pegasus17010/06 09:30是某種程度的弱化。

Zuiho10/06 09:31這個字我們這邊當作“計劃“

Pegasus17010/06 09:33可是說論文「計劃」又很奇怪…翻成協定比較接近,但

Pegasus17010/06 09:33又不太一樣。

benedict7610/06 09:33像台大工科丁,還有一些學校非電資都會有CS組啊!我們

benedict7610/06 09:33報考的時候如果覺得正資工考不上會選那些所報。

soulgem10/06 09:34落地應用終究還是會比成為基礎科學一部分的知識更受重視.

Pegasus17010/06 09:36所以只是沒辦法上本家得備胎呀!能上本家的當然去本

Pegasus17010/06 09:36家。只是本家也逐漸失去主要鎂光燈變成支援產業。

soulgem10/06 09:36但是深度學習的強勢以及成為工具化不代表這樣就搞定一切

Pegasus17010/06 09:38當然,Domain knowledge 跟business context還是重頭

Pegasus17010/06 09:38戲。

soulgem10/06 09:38在機器學習/深度學習也成為基礎以後希望能更進一步

Pegasus17010/06 09:38建立模型及導出演算法還是要靠Domain knowledge跟Bus

Pegasus17010/06 09:38iness Context。

soulgem10/06 09:43很難說... Domain knowledge 到底繞不繞得過的決定因素..

soulgem10/06 09:44恐怕是跟人與直感的介入的關係較大了

soulgem10/06 09:44直感以外能夠用累積得到的經驗很多時候可能都能模擬掉

Pegasus17010/06 09:45因為資料本身就有回饋的價值,特別是正確標籤後的資

Pegasus17010/06 09:45料更明顯。

soulgem10/06 09:57最後最難調適的應該就是 CS 落地後變成一種技術這件事了

soulgem10/06 09:58變成技術以後, 研究就只剩下頂層往前探索新模型可能...

soulgem10/06 09:59此外, 標籤這件事則很快就會進入哲學層次 (XXXXX)

Pegasus17010/06 10:39最後最難調適的應該就是 CS 落地後變成一種技術這件

Pegasus17010/06 10:39事了+1