Submit Search
Upload
2020/7/25 台灣人工智慧學校|講題:AI與資料視覺化
•
3 likes
•
561 views
彭其捷 Jack
Follow
題目:AI與資料視覺化 地點:台灣人工智慧學校|中研院 講者:彭其捷 個人網站:https://www.visualization.tw/
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 50
Download now
Download to read offline
Recommended
成大電機|大數據與使用者經驗設計 Workshop|彭其捷
成大電機|大數據與使用者經驗設計 Workshop|彭其捷
彭其捷 Jack
【人工智慧學校】2019/11/22 AI 與特徵工程:PM觀點(彭其捷)
【人工智慧學校】2019/11/22 AI 與特徵工程:PM觀點(彭其捷)
彭其捷 Jack
2019_5_21 東吳大學經濟系演講(數據分析的前世今生)彭其捷
2019_5_21 東吳大學經濟系演講(數據分析的前世今生)彭其捷
彭其捷 Jack
中原資管系|資管人的數位素養|彭其捷
中原資管系|資管人的數位素養|彭其捷
彭其捷 Jack
2020/8/15 AI學校:如何推動組織的 AI 團隊文化?(講者:彭其捷)
2020/8/15 AI學校:如何推動組織的 AI 團隊文化?(講者:彭其捷)
彭其捷 Jack
帶你一窺資料視覺化的神奇與奧妙(彭其捷)
帶你一窺資料視覺化的神奇與奧妙(彭其捷)
彭其捷 Jack
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
@yuzutas0 Yokoyama
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Takahiko Ito
Recommended
成大電機|大數據與使用者經驗設計 Workshop|彭其捷
成大電機|大數據與使用者經驗設計 Workshop|彭其捷
彭其捷 Jack
【人工智慧學校】2019/11/22 AI 與特徵工程:PM觀點(彭其捷)
【人工智慧學校】2019/11/22 AI 與特徵工程:PM觀點(彭其捷)
彭其捷 Jack
2019_5_21 東吳大學經濟系演講(數據分析的前世今生)彭其捷
2019_5_21 東吳大學經濟系演講(數據分析的前世今生)彭其捷
彭其捷 Jack
中原資管系|資管人的數位素養|彭其捷
中原資管系|資管人的數位素養|彭其捷
彭其捷 Jack
2020/8/15 AI學校:如何推動組織的 AI 團隊文化?(講者:彭其捷)
2020/8/15 AI學校:如何推動組織的 AI 團隊文化?(講者:彭其捷)
彭其捷 Jack
帶你一窺資料視覺化的神奇與奧妙(彭其捷)
帶你一窺資料視覺化的神奇與奧妙(彭其捷)
彭其捷 Jack
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
@yuzutas0 Yokoyama
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Takahiko Ito
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
サイバーエージェントにおける計算社会科学
サイバーエージェントにおける計算社会科学
Masanori Takano
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
Jason Cheng
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
Yugo Shimizu
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
Yuhei Koito
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
WESEEKWESEEK
データ活用をするための組織
データ活用をするための組織
Kon Yuichi
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
メタデータのファイルの管理
メタデータのファイルの管理
Sylvain Gantois
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
外道 父
Slideshare Japanese
Slideshare Japanese
Hidenori Goto
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
munjapan
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
データファブリック実現のためのプロジェクトの進め方とは
データファブリック実現のためのプロジェクトの進め方とは
Denodo
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
Takashi J OZAKI
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
IT VALUE EXPERTS Inc.
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
株式会社MonotaRO Tech Team
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
Denodo
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
User Research in Data Driven Artificial Intelligence era
User Research in Data Driven Artificial Intelligence era
Steven Tseng
人機協作迎向Ai+世代
人機協作迎向Ai+世代
Steven Tseng
More Related Content
What's hot
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
サイバーエージェントにおける計算社会科学
サイバーエージェントにおける計算社会科学
Masanori Takano
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
Jason Cheng
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
Yugo Shimizu
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
Yuhei Koito
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
WESEEKWESEEK
データ活用をするための組織
データ活用をするための組織
Kon Yuichi
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
メタデータのファイルの管理
メタデータのファイルの管理
Sylvain Gantois
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
外道 父
Slideshare Japanese
Slideshare Japanese
Hidenori Goto
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
munjapan
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
データファブリック実現のためのプロジェクトの進め方とは
データファブリック実現のためのプロジェクトの進め方とは
Denodo
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
Takashi J OZAKI
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
IT VALUE EXPERTS Inc.
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
株式会社MonotaRO Tech Team
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
Denodo
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
What's hot
(20)
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
サイバーエージェントにおける計算社会科学
サイバーエージェントにおける計算社会科学
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
開源 x 節流:企業導入實例分享 (二) [2015/09/19] 軟體自由日研討會
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
Power BI のためのリアルアーキテクチャ、あなたは自分のデータを理解していますか?
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
RSGT2023_ラグビー元日本代表がスクラムやってみた_v0.99.pdf
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
Stripeを使った簡単なサブスク型課金サービスの作り方【WESEEK Tech Conf #15】
データ活用をするための組織
データ活用をするための組織
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
メタデータのファイルの管理
メタデータのファイルの管理
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
Slideshare Japanese
Slideshare Japanese
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
データファブリック実現のためのプロジェクトの進め方とは
データファブリック実現のためのプロジェクトの進め方とは
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
デジタルトランスフォーメーション再考~一周回って見えてきたDX推進のポイント~
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
JDMC LT#1 - なぜモノタロウでデータマネジメントが必要になったのか
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Similar to 2020/7/25 台灣人工智慧學校|講題:AI與資料視覺化
User Research in Data Driven Artificial Intelligence era
User Research in Data Driven Artificial Intelligence era
Steven Tseng
人機協作迎向Ai+世代
人機協作迎向Ai+世代
Steven Tseng
2012-01-12資訊人員價值提升
2012-01-12資訊人員價值提升
道成資訊股份有限公司
2020_11 (南湖高中)用資料視覺化說故事
2020_11 (南湖高中)用資料視覺化說故事
彭其捷 Jack
How to run an AI Project @pixnet
How to run an AI Project @pixnet
晨揚 施
美团技术沙龙02 - 计算机视觉算法在O2O中的应用
美团技术沙龙02 - 计算机视觉算法在O2O中的应用
美团点评技术团队
[SDX2016] UX 不只是優化 – 透過洞察提昇商業價值 / 蔡明哲 悠識數位 首席體驗架構師
[SDX2016] UX 不只是優化 – 透過洞察提昇商業價值 / 蔡明哲 悠識數位 首席體驗架構師
悠識學院
當科技遇到設計-科技人才布局新洞察
當科技遇到設計-科技人才布局新洞察
資策會MIC 產業情報研究所
2020/12 交通大學_資料視覺化與我們的生活|彭其捷
2020/12 交通大學_資料視覺化與我們的生活|彭其捷
彭其捷 Jack
20190425【戰略讀書會】《人力資源與大數據分析》落實組織化的三階段,找方向、建指標、畫關聯
20190425【戰略讀書會】《人力資源與大數據分析》落實組織化的三階段,找方向、建指標、畫關聯
bookfans
20160818巨量資料的分析現況與展望(國發會) 張大明v2.1
20160818巨量資料的分析現況與展望(國發會) 張大明v2.1
張大明 Ta-Ming Chang
20170414大數據驅動之創新服務專案實務—以人類學家大數據探索觀點
20170414大數據驅動之創新服務專案實務—以人類學家大數據探索觀點
張大明 Ta-Ming Chang
APDA百豆運動計劃2018工作事項與百豆機器人-20180209
APDA百豆運動計劃2018工作事項與百豆機器人-20180209
張大明 Ta-Ming Chang
肖永红:科研数据应用和共享方面的实践
肖永红:科研数据应用和共享方面的实践
hdhappy001
認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
張大明 Ta-Ming Chang
[DSC 2016] 系列活動:李祈均 / 人類行為大數據分析
[DSC 2016] 系列活動:李祈均 / 人類行為大數據分析
台灣資料科學年會
2014/10/3 Ux in china
2014/10/3 Ux in china
AgileCommunity
2020/11 PyData|人人都可以學會的資料視覺化(彭其捷)
2020/11 PyData|人人都可以學會的資料視覺化(彭其捷)
彭其捷 Jack
無限想像的科技創新未來—大數據專案管理與資料分析實務應用 20170927(龍華科技大學)
無限想像的科技創新未來—大數據專案管理與資料分析實務應用 20170927(龍華科技大學)
張大明 Ta-Ming Chang
AI Agent,大模型时代重要落地方向 202310 东吴证券.pdf
AI Agent,大模型时代重要落地方向 202310 东吴证券.pdf
Shan Fu
Similar to 2020/7/25 台灣人工智慧學校|講題:AI與資料視覺化
(20)
User Research in Data Driven Artificial Intelligence era
User Research in Data Driven Artificial Intelligence era
人機協作迎向Ai+世代
人機協作迎向Ai+世代
2012-01-12資訊人員價值提升
2012-01-12資訊人員價值提升
2020_11 (南湖高中)用資料視覺化說故事
2020_11 (南湖高中)用資料視覺化說故事
How to run an AI Project @pixnet
How to run an AI Project @pixnet
美团技术沙龙02 - 计算机视觉算法在O2O中的应用
美团技术沙龙02 - 计算机视觉算法在O2O中的应用
[SDX2016] UX 不只是優化 – 透過洞察提昇商業價值 / 蔡明哲 悠識數位 首席體驗架構師
[SDX2016] UX 不只是優化 – 透過洞察提昇商業價值 / 蔡明哲 悠識數位 首席體驗架構師
當科技遇到設計-科技人才布局新洞察
當科技遇到設計-科技人才布局新洞察
2020/12 交通大學_資料視覺化與我們的生活|彭其捷
2020/12 交通大學_資料視覺化與我們的生活|彭其捷
20190425【戰略讀書會】《人力資源與大數據分析》落實組織化的三階段,找方向、建指標、畫關聯
20190425【戰略讀書會】《人力資源與大數據分析》落實組織化的三階段,找方向、建指標、畫關聯
20160818巨量資料的分析現況與展望(國發會) 張大明v2.1
20160818巨量資料的分析現況與展望(國發會) 張大明v2.1
20170414大數據驅動之創新服務專案實務—以人類學家大數據探索觀點
20170414大數據驅動之創新服務專案實務—以人類學家大數據探索觀點
APDA百豆運動計劃2018工作事項與百豆機器人-20180209
APDA百豆運動計劃2018工作事項與百豆機器人-20180209
肖永红:科研数据应用和共享方面的实践
肖永红:科研数据应用和共享方面的实践
認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
認識人工智慧與發展應用(台北市公訓處與程曦資訊企業參訪) 20171214
[DSC 2016] 系列活動:李祈均 / 人類行為大數據分析
[DSC 2016] 系列活動:李祈均 / 人類行為大數據分析
2014/10/3 Ux in china
2014/10/3 Ux in china
2020/11 PyData|人人都可以學會的資料視覺化(彭其捷)
2020/11 PyData|人人都可以學會的資料視覺化(彭其捷)
無限想像的科技創新未來—大數據專案管理與資料分析實務應用 20170927(龍華科技大學)
無限想像的科技創新未來—大數據專案管理與資料分析實務應用 20170927(龍華科技大學)
AI Agent,大模型时代重要落地方向 202310 东吴证券.pdf
AI Agent,大模型时代重要落地方向 202310 东吴证券.pdf
More from 彭其捷 Jack
[演講簡報] Mopcon - 巧用 UI & UX 工具,提升設計溝通品質(彭其捷)
[演講簡報] Mopcon - 巧用 UI & UX 工具,提升設計溝通品質(彭其捷)
彭其捷 Jack
2021/3/22 亞洲大學|數位人文與互動科技
2021/3/22 亞洲大學|數位人文與互動科技
彭其捷 Jack
2021/1/7|交大資管人的斜槓旅程
2021/1/7|交大資管人的斜槓旅程
彭其捷 Jack
2020/11 台大地理系|Tableau 資料視覺化與地圖製作
2020/11 台大地理系|Tableau 資料視覺化與地圖製作
彭其捷 Jack
2020/11 中華電信|科技藝術與互動技術(製作者:彭其捷)
2020/11 中華電信|科技藝術與互動技術(製作者:彭其捷)
彭其捷 Jack
2020_11 台北市立大學 特教學系|講題:善用設計思考,引導團隊溝通共識
2020_11 台北市立大學 特教學系|講題:善用設計思考,引導團隊溝通共識
彭其捷 Jack
【台科大設計所】聊聊設計與數據思維|彭其捷
【台科大設計所】聊聊設計與數據思維|彭其捷
彭其捷 Jack
2019/11/28 環境數據分析|以空污分析為例
2019/11/28 環境數據分析|以空污分析為例
彭其捷 Jack
2019_11_21 世新大學|資料視覺化課程
2019_11_21 世新大學|資料視覺化課程
彭其捷 Jack
2019/10/27 創造力年會|用設計思考,讓團隊更有創造力|彭其捷
2019/10/27 創造力年會|用設計思考,讓團隊更有創造力|彭其捷
彭其捷 Jack
2019年9月 台北科技大學分享(談閱讀與寫作)
2019年9月 台北科技大學分享(談閱讀與寫作)
彭其捷 Jack
2019/8/10 台灣人工智慧學校演講(中研院/台北) - 彭其捷
2019/8/10 台灣人工智慧學校演講(中研院/台北) - 彭其捷
彭其捷 Jack
Data Visualization & Data Storytelling
Data Visualization & Data Storytelling
彭其捷 Jack
2019/5/11 台灣人工智慧學校演講(彭其捷)
2019/5/11 台灣人工智慧學校演講(彭其捷)
彭其捷 Jack
【workface 分享】斜槓上班族的故事 , 2019_4_26
【workface 分享】斜槓上班族的故事 , 2019_4_26
彭其捷 Jack
資料視覺化_分享版本_彭其捷
資料視覺化_分享版本_彭其捷
彭其捷 Jack
資料視覺化與使用者經驗
資料視覺化與使用者經驗
彭其捷 Jack
前端工程與使用者經驗(榮總課程):Front-End Develop & User Experience
前端工程與使用者經驗(榮總課程):Front-End Develop & User Experience
彭其捷 Jack
FINDIT 平台介紹
FINDIT 平台介紹
彭其捷 Jack
資料視覺化 (科智企業股份有限公司 內訓課程)
資料視覺化 (科智企業股份有限公司 內訓課程)
彭其捷 Jack
More from 彭其捷 Jack
(20)
[演講簡報] Mopcon - 巧用 UI & UX 工具,提升設計溝通品質(彭其捷)
[演講簡報] Mopcon - 巧用 UI & UX 工具,提升設計溝通品質(彭其捷)
2021/3/22 亞洲大學|數位人文與互動科技
2021/3/22 亞洲大學|數位人文與互動科技
2021/1/7|交大資管人的斜槓旅程
2021/1/7|交大資管人的斜槓旅程
2020/11 台大地理系|Tableau 資料視覺化與地圖製作
2020/11 台大地理系|Tableau 資料視覺化與地圖製作
2020/11 中華電信|科技藝術與互動技術(製作者:彭其捷)
2020/11 中華電信|科技藝術與互動技術(製作者:彭其捷)
2020_11 台北市立大學 特教學系|講題:善用設計思考,引導團隊溝通共識
2020_11 台北市立大學 特教學系|講題:善用設計思考,引導團隊溝通共識
【台科大設計所】聊聊設計與數據思維|彭其捷
【台科大設計所】聊聊設計與數據思維|彭其捷
2019/11/28 環境數據分析|以空污分析為例
2019/11/28 環境數據分析|以空污分析為例
2019_11_21 世新大學|資料視覺化課程
2019_11_21 世新大學|資料視覺化課程
2019/10/27 創造力年會|用設計思考,讓團隊更有創造力|彭其捷
2019/10/27 創造力年會|用設計思考,讓團隊更有創造力|彭其捷
2019年9月 台北科技大學分享(談閱讀與寫作)
2019年9月 台北科技大學分享(談閱讀與寫作)
2019/8/10 台灣人工智慧學校演講(中研院/台北) - 彭其捷
2019/8/10 台灣人工智慧學校演講(中研院/台北) - 彭其捷
Data Visualization & Data Storytelling
Data Visualization & Data Storytelling
2019/5/11 台灣人工智慧學校演講(彭其捷)
2019/5/11 台灣人工智慧學校演講(彭其捷)
【workface 分享】斜槓上班族的故事 , 2019_4_26
【workface 分享】斜槓上班族的故事 , 2019_4_26
資料視覺化_分享版本_彭其捷
資料視覺化_分享版本_彭其捷
資料視覺化與使用者經驗
資料視覺化與使用者經驗
前端工程與使用者經驗(榮總課程):Front-End Develop & User Experience
前端工程與使用者經驗(榮總課程):Front-End Develop & User Experience
FINDIT 平台介紹
FINDIT 平台介紹
資料視覺化 (科智企業股份有限公司 內訓課程)
資料視覺化 (科智企業股份有限公司 內訓課程)
2020/7/25 台灣人工智慧學校|講題:AI與資料視覺化
1.
與 資料視覺化 彭其捷 foxfirejack@gmail.com
2.
相關著作(資料視覺化 / 資料科學
/ UIUX) 10 刷 2
3.
About Me 【 】 【
】 3
4.
4 https://hahow.in/cr/data-tableau
5.
6.
Question 什麼是資料視覺化?
7.
https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6 不同月份的感染數變化?
8.
良好的資料視 覺化設計,可 以友善的幫助 人們從合適的 角度觀察數據 |單日感染個數 人( 萬人)
9.
Question AI 與資料視覺化 的關係?
10.
10 AI x 視覺化
= 提升數據特性的掌握能力 AI x 視覺化 = 提升模型優化的溝通品質 AI x 視覺化 = 提升成果展示的效果與理解
11.
可提升數據特性的 掌握能力 AI x 視覺化 Part
1
12.
探索式資料分析 EDA Exploratory Data
Analysis AI 建模前的建置作業 「認識資料」
13.
可透過視覺化方式輔助探索資料 避免建模時 資料分配 極端值 null 值
資料類型 離散程度
14.
Question 團隊如何進行數 據探索?
15.
許多團隊,在執行 EDA 資料探索任務階段時,採 用的是 Excel
軟體 有時候會受限
16.
環保署全國測站,空汙模型之建模數據 國家級測站資料,單一測站每天每小時的資料 累積超過 500 萬筆資料
17.
固然很好用,但如果 想透過 進行巨量資料 探索、跨表格資料探索,相 對可能會遇到一些挑戰 數據特性掌握能力的 痛點
18.
Python , R
等程式語言可以輔助 EDA / 視覺化 … 但 ...
19.
難道每個人都要學習 或是 ,才能更具 備 專案的資料探索與 視覺化能力嗎? 數據特性掌握能力的
痛點
20.
除了 Excel 外,還有很多不錯的軟體工具可輔助 工具名稱
核心優點 核心缺點 所見即所得的直覺操作介面,優異視覺表現, 使用者數眾多,學習容易。 進階資料科學功能較為陽春,商業 價格偏高。 最多使用者人數的工具,容易與既有工作流程 結合。 對巨量數據支援度較差,如要執行 複雜數據分析步驟也較為繁瑣。 知名大廠所推出,操作介面熟悉且社群完整, 有雲端版本。 不支援 Mac 作業系統。 ★ ★ ★ 合適的軟體,能夠幫助我們進行 且不一定要很高的學習門檻
21.
Tableau 工具 x
資料探索 x 視覺化(跨平台) 圖表模組 (Show Me) 快速切換各類圖表,輔 助進行數據觀察 & 視 覺化 選擇資料欄位 (Columns)
22.
小結 進行資料探索與視覺化,是建置 AI 的重要前置作業 透過 EDA
觀點&友善工具的輔助, 可有效提升團隊對於數據特性的掌握 度,確保 AI 建模前的資料品質
23.
可提升模型優化的 溝通品質 AI x 視覺化 Part
2
24.
AI 專案 透過機器學習 預測 PM2.5
空污
25.
25 APP:環境即時通(搭載空品預測)
26.
專案:透過機器學習(類神經網路) :預測 PM2.5
數值
27.
空汙 AI 預測
V1 之實驗結果 (紅線:線性迴歸 baseline)(藍線:預測的空污數值)
28.
AI 的演算法產出,大多是數值類型,較難檢核 &
溝通 ex. 空氣品質:預測 17:00 之後的數值 {"station": "u53e4u4ead", "datetime": "2018-09-20 16:00:00", "pred_1": 39.72, "pred_2": 42.9, "pred_3": 40.14, "pred_4": 39.45, "pred_5": 39.42, "pred_6": 35.49, "pred_7": 36.38, "pred_8": 34.85, "pred_9": 31.99, "pred_10": 30.96, "pred_11": 27.22, "pred_12": 28.12, "pred_13": 25.57, "aqi_12hr_4hr_avg_1": 112.0, "aqi_12hr_4hr_avg_2": 112.0, "aqi_12hr_4hr_avg_3": 103.0, "aqi_12hr_4hr_avg_4": 107.0, "aqi_12hr_4hr_avg_5": 110.0, "aqi_12hr_4hr_avg_6": 110.0, "aqi_12hr_4hr_avg_7": 110.0, "aqi_12hr_4hr_avg_8": 109.0, "aqi_12hr_4hr_avg_9": 105.0, "aqi_12hr_4hr_avg_10": 102.0, "aqi_12hr_4hr_avg_11": 96.0, "aqi_12hr_4hr_avg_12": 93.0, "aqi_12hr_4hr_avg_13": 90.0, "error_bound_t4": 8.54762, "error_bound_t7": 11.756, "error_bound_t8": 12.9405, "error_bound_t12": 16.0833, "error_bound_t6": 10.7738, "error_bound_t9": 13.6905, "error_bound_t5": 9.625, "error_bound_t13": 16.6964, "error_bound_t10": 14.5774, "error_bound_t1": 0.434524, "error_bound_t3": 6.36905, "error_bound_t2": 1.125, "error_bound_t11": 15.3095, "pollute_6": "PM2.5", "pollute_10": "PM2.5", "pollute_12": "PM2.5", "pollute_11": "PM2.5", "pollute_3": "PM2.5", "pollute_4": "PM2.5", "pollute_1": "O3", "pollute_7": "PM2.5", "pollute_9": "PM2.5", "pollute_2": "O3", "pollute_5": "PM2.5", "pollute_8": "PM2.5", "pollute_13": "PM2.5"} " 測站名稱
29.
許多人對於解讀數據、理解模 型的能力有限,需要將資料轉 換為 較低維度、減少抽象、較 好理解的視覺化結果,來促成 團隊進行溝通 AI 溝通品質
痛點
30.
AI 預測準確度視覺化,引導團隊針對 高PM2.5
預測高誤差處 進行討論 數值-真實值 空品-AI預測值 鄉民 燒稻草 境外空汙 移入 沙塵暴 事件 深夜霧大 誤差較大 的地方 某 測 站 某 測 站
31.
引入各領域專家的討論後,預測模型誤差 大幅降低 持續清理資料,新增 /
調整了 51 個計算特徵 AI 預測擬合度大幅提升 藍線 真實數值 橘線 預測數值 上線的版本
32.
來源 https://www.youtube.com/watch?v= B8R148hFxPw
33.
來源 http://playground.tensorflow.org/
34.
小結 透過資料視覺化,可以提升團隊對於 AI 模型或是流程的溝通品質,讓更 多人參與給意見,來共同找出模型可 優化之處
35.
可提升成果展示的 效果與理解 AI x 視覺化 Part
3
36.
許多 AI 服務,需要被轉譯,讓更多人理解 AI
團隊 普羅大眾 & 決策者們 轉譯
37.
卡米爾演算法 透過物聯網數據 自動推估空汙熱區
38.
使用新聞稿、網 站,作為 AI 專 案展示的媒 介? https://airtw.epa.gov.tw/CHT/Encyclopedia/AirSensor/AirSensor_1.aspx
39.
如果使用普通的新聞稿、文 字、學術發表等方式來呈現 成果,很可能讓多數決策 者、普羅大眾相對無感 關於 AI 成果展示的
痛點
40.
用 AR 視覺化方式,展示空汙 https://www.youtube.com/ watch?v=9kDRl9B12JM
41.
https://web.cw.com.tw/covid19-taipei-lock down/ 用視覺化的方式,轉譯科學
42.
43.
許多的 AI 核心原理與展示方式,較難讓一般人理解 https://openai.com/blog/emerg ent-tool-use/ 關於捉迷藏 的研究 抓人者 被抓者
44.
https://ww w.youtube. com/watch ?v=Lu56xV lZ40M&feat ure=emb_l ogo 用視覺 化的方 式展示
45.
小結 透過資料視覺化的技巧,可以 提升 AI 成果展示的變化性, 也能促成普羅大眾、相關決策 者的理解
46.
結語
47.
47 AI x 視覺化
= 提升數據特性的掌握能力(前期) AI x 視覺化 = 提升模型優化的溝通品質(中期) AI x 視覺化 = 提升成果展示的效果與理解(後期)
48.
48 第六本 著作 進階資料 視覺化技巧 即將出版
49.
49 資料視覺化 / 商業分析研究社(臉書社團) https://www.facebook.com/groups/tw.dataviz/
50.
THE END
Download now