資訊考點新
線上演算法(1)
在演算法設計與分析中，許多經典問題皆假設完整輸入在演算法執行前已經取得。例如排序演算法如 Merge Sort、Quick Sort，圖論中的 Dijkstra 最短路徑演算法，以及最小生成樹的 Kruskal 與 Prim 演算法，皆屬於典型的離線演算法（offline algorithms）。這類演算法在開始運算時，已掌握全部輸入資訊，因此能以全域觀點規劃最佳策略並求得最優解。然而，在許多真實情境中，輸入資料往往隨時間逐步到達，而非事先完整給定。在此情況下，決策必須即時做出，且無法預測未來的資訊。
- 考點
- #線上演算法
- #離線演算法
- #競爭分析
- #搭電梯問題
數位孿生（Digital Twin）：實現智慧城市與工業 4.0 的虛實融合
在工業 4.0 和智慧城市（Smart City）的浪潮下，全球企業與政府對於提升營運效率、優化決策流程以及確保系統韌性的需求達到前所未有的高度。實現此目標的關鍵，在於將複雜的實體世界進行高擬真度的數位化，並實現虛擬世界與實體世界的即時互動與同步模擬。數位孿生（Digital Twin）技術，正是推動這一「虛實融合」時代的核心引擎。
數位孿生是實體資產、系統、乃至於整個城市或生態流程的虛擬複本。它藉由部署在實體空間的物聯網（IoT）感測器，即時、連續地擷取巨量數據（Big Data）。這些數據隨後被傳輸至虛擬模型中，透過內建的人工智慧（AI）與物理學模型進行高精度的模擬、行為預測和情境分析，進而提供可操作的洞察，以優化實體世界中的決策與行動。
- 考點
- #數位孿生
- #智慧城市
- #工業 4.0
- #物聯網
- #預測性維護 (Predictive Maintenance)
先進分析中的資料隱私風險
「我們如何在利用人工智慧與分析工具發揮數據價值的同時，保護顧客個人資料的隱私？」
這個問題反映出企業在追求先進分析與人工智慧時日益突出的內部矛盾，顧客在高度數位化生活中產生的大量數據，對於運用先進分析工具的組織而言，是寶貴的資訊來源。然而這些資料同時也令資訊科技部門感到擔憂，他們必須要滿足監管機構及消費者對資料隱私這兩個同樣重要的目標，但想要達成這個目標勢必要面對資料分析與保護隱私的根本衝突，理由很簡單，如果資料科學家希望在分析的框架下提升資料隱私的程度，便往往需採用會影響數據效用的技術(如加密等隱私技術)，進而反過來導致分析效能不彰的問題。
- 題測
- 1. 隨著人工智慧與大數據分析的發展，企業在追求資訊附加價值的同時，也必須面對保護使用者隱私的挑戰，但隱私保護技術雖能降低資料外洩風險，卻也會影響資料的分析效用。假設你是一家公司的資訊安全長(CISO)，請問良好的資料保護措施可為企業帶來哪些競爭優勢，你會採取何種資料保護技術，並提出一個評估該技術對資料分析效用影響的方法。
第九集 - 數據分析實務階段
這一集，我們介紹數據分析之進行方式，下一集才開始針對各種分析技巧舉例說明如何利用AI協助進行◦實務上，數據分析可以分為六個核心步驟，我們簡稱A-P-D-C-E-R◦
第一步驟：定義問題（Ask / Define），這一步是非常關鍵的，問對問題比解決問題更為重要(Asking the right question is more important than solving it.)，決定了後續的整個數據分析任務之工作與方向。
數據分析師所面對的客戶往往會提出一個模糊的需求，分析師要將模糊的需求轉化為具體的問題，例如：「客戶希望想要提升業績」應該可以具體化為「如何提升用戶的30天回購率」。
- 考點
- #數據分析
