資訊考點新
拓展自動化流程規模的兩條路徑
面對大量重複性的人工流程時，組織通常會尋求自動化以釋放員工的人力，讓他們能投入更具生產力的工作。
然而這個挑戰在於如何以最適合組織的方式導入自動化，例如：
哪些流程應該優先自動化？這項工作又應該由技術專家主導，還是由流程專家主導？
本文將藉由分析兩家美國的醫院系統推行自動化的方式，來探索對於其他組織可行的做法。
- 題測
- 1. Analyze the strategic implementation of automation within complex organizations. Provide a logical argument best synthesizes why a 'process-led' approach (like Mass General Brigham's) might be more resilient than a purely 'technology-led' approach (like Mount Sinai's) when dealing with highly fragmented administrative tasks?
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)
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
