▞　2023-10-27資料科學在產業人才研究領域的發展(1)以數據分析與爬蟲工具應用為

▸講題：資料科學在產業人才研究領域的發展(1)以數據分析與爬蟲工具應用為例、

▸講者：歐宗霖 工研院產業學院研究經理

▸時間：10/27(五)9:30~11:00

​▸地點：Googlemeet

▸演講大綱：

資料科學牽涉跨領域學科知識，包括資料工程、資訊管理、統計學、社會科學研究方法及各應用領域等廣泛議題。說明資料科學的基本概念與實務上的程序方法，並以數據分析與爬蟲工具應用為例，將相關的知識加以整合，讓同學在未來相關的專題研討與工作應用上，建立良好的基礎。

2023/10/27講座紀錄

撰文／廖冠智 博士　日期／112年10月27日

#清華大學教育大數據微學程

#產業人才研究的數據科學

資料科學數據探勘，並不是一鍵式從資料集中進行自動判讀，而是繁複的過程，別被生成AI所騙了。😆

今天謝謝工研院產業學院研究經理歐宗霖博士Tonny來分享教育大數據產業問題，為我們學生進行業界出題與學界解題。本次演講涵蓋了資料科學的基本概念與實務應用，特別在產業部分，讓我們學生對跨領域的數據科學，有了更深入的瞭解。

Tonny真的是跨領域人才，大學背景是心理計量的背景，研究所轉戰數據科學、科技整合與企業人才培訓策略的探究上。Tonny首先說明了人才變動的時代脈絡，從農業時代到工業時代，再到現在的數位與智能時代，所需的人才與技能也在持續變遷。特別是在web2時代注重使用者生成內容，web3時代則是去中心化區塊鏈技術的興起，web4時代將會是語意網的全面應用，技術變遷對人才需求有重大影響，而資料科學正是應對當代需求的重要能力。

當然一般學生對資料科學都帶有很多幻想，不管是學生或在職者，資料科學都與我們的興趣、職涯、課業及工作緊密相連，透過學習資料科學，我們可以更了解自己、做更好的選擇，Tonny也提出自己進入職場時的心路歷程。

接著進入了資料科學的學習地圖，概述機器學習的三大概念，如監督式學習、無監督學習、強化學習等，以及神經網絡運算的原理。特別說到類神經網絡的運作像人腦一樣，是由許多神經元連結構成，透過前饋與反饋（forward/back propagation）來訓練參數，使網路學會辨識模式。這也是資料科學的重要基礎。另外，實務應用部分，Tonny分享了以Wikipedia資料進行資料探勘的例子，說明了資料科學在業界專案中的工作流程，從定義目標、資料收集、探勘、模型建置到決策支援的過程，也提及資料科學可廣泛應用在產業的商業智能，如利用資料科學分析技術，讓就業市場的人才供需情形，以及學習者的偏好，提供未來培訓的建議，可知資料科學在拓展研究與決策應用上的可能性。

在此，我們可以進一步思考，資料科學與數據探勘，對企業人才的研究有重要的幫助呢？例如企業可以利用資料科學技術，對員工的資料進行收集和分析後，針對工作表現資料、員工流失率、員工滿意度調查，以人才狀況，當然這是期望企業能進一步制定更加科學和針對性的人才戰略。而數據探勘可以深入發掘員工資料之間的關聯規則和隱藏模式，從員工的數據特徵將導致員工更容易離職的原因，哪類員工的工作效率和滿意度更高等，可以進而指導企業如何改善員工政策，留住和激勵人才。

企業有了數據模型，也可對員工進行精準畫像和預測，當然這一切科學化的作為，為企業提供更標準化與績效管理的工具和視角，以突顯出企業內部的人才現狀及問題。

當然，資料科學與數據探勘可以應用在分析學生的學習狀況，收集學生的學習資料，如考試成績、學習參與度、課外表現等，透過資料科學技術進行整合分析，藉此全面瞭解學生的學習情形。雖然今天沒有時間在這部分多加說明，但從產業的實質作法，能我們認識找出學生學習模式之間的關聯，進而建立學生學習模型，預測學生的學業表現，或為學生提供個人化學習建議，這些皆可提升教學品質，以管理決策角度引導學生更有效率的學習。

謝謝Tonny的分享，期待12/15進一步認識實質作法。👍