大數據領航員

大數據與人道援助 - 群眾標記(crowdmapping)應用

這幾年雲端技術、大數據應用的蓬勃發展，早已深入每一個人日常生活中，更不用說在各個商業領域的前端應用，如本校元智大學積極透過大數據技術應用於政府、產業、學術領域，含括法規政策、新創服務、基礎通訊、生醫資訊、智慧製造、零售通路、交通運輸與物流管理、智慧電網各種領域，正是呼應了麥肯錫公司(McKinsey&Company)於2011年發表的”Big data: The next frontier for innovation, competition, and productivity”報告中提出的大數據應用龐大商機，如對於歐洲公共部門管理貢獻高達兩千五百億歐元的年產值，對美國醫療產業則有高達三千億美元年產值，對於零售業可高達60%的潛在利潤成長。然而在這樣全球火熱且全面關注的議題中，卻鮮少有人意識到，大數據也同時悄悄的應用到人道援助、國際合作領域中。

每當我們撥出一通電話、購買某個商品、使用社群媒體，甚至僅僅打開網頁瀏覽，都在不知不覺中產生大量資訊，加上自動化感測裝置的連續資料，無論是從政府單位或是私人企業產生儲存，這些無數的大數據資訊源與其交互組合可解釋的問題幾乎可以涵蓋各種議題，而當今的人道援助、國際合作機構，便是企圖利用各種大數據資訊或雲端計算科技，解決當下所面臨的問題，給予目標族群(vulnerable communities)更快速、有效的援助服務。

政府軍隊進行武力鎮壓

( 圖片來源：Evelyn Hockstein , The New York Times)

然而對於這樣的大數據、雲端服務應用，其實並不是近幾年大數據技術流行才有的，早在2007年，位於東非的肯亞(Kenya)共和國因為俱爭議總統大選後的全國性暴動，種族對立衝突造成超過一千三百人喪生與三十五萬人被迫離開家園躲避內亂。

而在肯亞內亂當時，一群當地程式設計師與網路團體開發出名為Ushahidi計畫，Ushahidi為肯亞當地Swahili語言的證言(testimony)之意，Ushahidi計畫發展出一個網路平台，使用者可以透過手機簡訊(SMS，Short Message Service)或網站進行暴力事件通報，隨後Ushahidi平台利用Google map進行地理位置標定，藉此跳脫國內媒體受控制或失去機能的狀態，直接由人民發聲向國際尋求援助，也因為

肯亞國內kikuyu族群民眾抗爭。
(圖片來源 : Evelyn Hockstein, The New York Times)

Ushahidi的通報與傳播，國際組織得以快速動員進行人道援助救援與物資提供。2008年後Ushahida計畫也擴展為國際人道援助平台，企圖提供全球進行事件通報與群眾標記(crowdmapping)，並運用於諸多國家，如美國亞特蘭大(Atlanta)犯罪事件追蹤、印度(Republic of India)與墨西哥(United Mexican States)選舉結果的提報追蹤，甚至是2010年海地(Republic of Haiti)大地震與2011年日本東北大地震(2011 Tōhoku earthquake and tsunami)的事件追蹤標記。

同樣針對急難應用與災害救援事件，Google藉由其所擁有的計算資源，結合其自家Google App Engine分散計算引擎與儲存架構，以及Picasa 影像平台，於2010年時針對中美洲海地地震提出了Google Person Finder服務，針對災區進行災民尋找與通報服務，該服務後續亦提供之後2010智利(Chile)大地震、2011年日本東北大地震，甚至是去年(2013)於菲律賓造成嚴重災情的海燕颱風等災害救援，而Google Person Finder在2011年日本東北大地震期間曾創下高達六十萬姓名資訊紀錄的規模，堪為短時間內人道援助資訊蒐集彙整之成功案例。

2011年日本東北大地震Ushahidi應用(圖片來源：livedoor news)

此外針對急難應用與災害救援事件，Google藉由其所擁有的計算資源，結合其自家Google App Engine分散計算引擎與儲存架構，以及Picasa 影像平台，於2010年時針對中美洲海地地震提出了Google Person Finder服務，針對災區進行災民尋找與通報服務，該服務後續亦提供之後2010智利(Chile)大地震、2011年日本東北大地震，甚至是去年(2013)於菲律賓造成嚴重災情的海燕颱風等災害救援，而Google Person Finder在2011年日本東北大地震期間曾創下高達六十萬姓名資訊紀錄的規模，堪為短時間內人道援助資訊蒐集彙整之成功案例。同樣針對急難應用與災害救援事件，Google藉由其所擁有的計算資源，結合其自家Google App Engine分散計算引擎與儲存架構，以及Picasa 影像平台，於2010年時針對中美洲海地地震提出了Google Person Finder服務，針對災區進行災民尋找與通報服務，該服務後續亦提供之後2010智利(Chile)大地震、2011年日本東北大地震，甚至是去年(2013)於菲律賓造成嚴重災情的海燕颱風等災害救援，

Ushahidi 平台介面
( 圖片來源: Jim Craner , Advancing Your Mission With GIS Tools )

而Google Person Finder在2011年日本東北大地震期間曾創下高達六十萬姓名資訊紀錄的規模，堪為短時間內人道援助資訊蒐集彙整之成功案例。同樣針對急難應用與災害救援事件，Google藉由其所擁有的計算資源，結合其自家Google App Engine分散計算引擎與儲存架構，以及Picasa 影像平台，於2010年時針對中美洲海地地震提出了Google Person Finder服務，針對災區進行災民尋找與通報服務，該服務後續亦提供之後2010智利(Chile)大地震、2011年日本東北大地震，甚至是去年(2013)於菲律賓造成嚴重災情的海燕颱風等災害救援，而Google Person Finder在2011年日本東北大地震期間曾創下高達六十萬姓名資訊紀錄的規模，堪為短時間內人道援助資訊蒐集彙整之成功案例。

2010 海地大地震時Google推出Person Finder服務
( 圖片來源 : Wikipedia )

同樣透過大數據群眾標記進行人道救援案例，還有哈佛醫學院Rumi學者，透過社群媒體進行對傳染疾病傳播於地理位置擴散標定的流行病學研究，該研究發表於2012年American Journal of Tropical Medicine and Hygiene期刊，該作者透過自動網路媒體調查平台HealthMap，針對海地自2010年10月20號爆發霍亂(Cholera)疫情開始100天，紀錄由網路平台HealthMap、Twitter所產生之社群網路與關鍵字”Cholera”相關訊息，並透過訊息自動標定其地理位置，藉由時間推演與地理資訊標的，進一步對照海地政府公共衛生部(Ministère de la Santé Publique et de la Population, MSPP) 提供之實際通報個案數據，其結果發現網路數據的呈現與地理位置分布，符合MSPP所提供之事後通報個案資料分布與趨勢，證明透過社群媒體進行大數據資料探勘之方法，可以以低成本的方式進行傳染性疾病早期偵測，並達到快速反應與提早實施防疫策略之使用，針對醫療發展落後、醫療資訊蒐集傳遞機制不健全之國家 實為一個創新的應用。

發展中國家的公共衛生改善與發展，直接影響該國家人民的生存條件與健康條件，目前各國雖透過社群媒體大數據探勘技術企圖進行早期偵測，但如同文獻與相關報導中所提及，因為城鄉差異過大，資訊能力素養不齊，資料過度集中於高人口密度區域如首都太子港( Port-au-Prince)造成評估上的誤差與偏鄉地區的低估。

Rumi學者透過社群媒體數據所獲得之禍亂發生、擴散分布圖。

( 圖片來源  doi：10.4269/ajtmh.2012.11-0597 )

2014.02

Saint-Michel-de-l'Attalaye地區霍亂爆發前之隔離病房

(圖片來源：筆者)

2014.07

筆者重返Saint-Michel-de-l'Attalaye地區，

該區正爆發霍亂疫情病患擠滿霍亂隔離病房 (因病患隱私，未拍攝內部照片)

上述之偏差狀況，由筆者近幾年數度至海地進行人道援助計畫時可得到驗證，今年七月筆者與桃園醫院國際衛生中心再度訪問海地北部Artibonite省之偏鄉Saint-Michel-de-l'Attalaye地區時，遭遇該區域爆發嚴重霍亂疫情，然而時隔2010初次爆發至今已將近三年之久，卻仍無法有效控制疫情散布，原因除了當地缺乏公共衛生工程礎建設、民眾公共衛生教育素養不足外，當地醫療機構僅使用紙本文件進行病患診斷紀錄，缺乏病患追蹤、主動式訊息通報機制，導致衛生單位無法立即獲取第一手疾病資訊以進行疫情防堵，亦是主要原因之一。因此如何導入全國醫療資訊傳遞網路，由政府端建立真正醫療大數據平台，進行即時傳染性疾病事件通報、監控、追蹤機制，才是治標治本之道。

2014.07

筆者與桃園醫院國際衛生中心於海地衛生部(MSPP)進行醫療資訊應用課程。

(圖片來源：筆者)

大數據辭典

&   群眾外包 (crowdsourcing)

此為《連線》(Wired)雜誌記者Jeff Howe於2006年發明的一個專業術語，用來描述一種新的商業模式透過網際網路上的使用者所組成的群體，進行創意的發想、工作執行與技術問題解決等。參與群眾外包成員，針對特定執行項目大多僅收取小額報酬或無償提供服務，因此建立了一種新的勞動結構。

&  群眾標記 (crowdmapping)

透過網際網路、行動裝置，群眾使用者可以於平台上標記任何虛擬化事件資訊，包含文字、影像、視訊多媒體、地理資訊、健康醫療紀錄等等，為群眾外包 (crowdsourcing)的延伸應用。常見的群眾標記服務多與地理資訊系統整合，提供具備地理位址之事件資訊。

&  社群網路 (Social Network)

是為一群擁有相同興趣與活動的人連結而成的線上社群。針對這類社群所提供的類服務往往是基於網際網路並為用戶提供各種聯繫、交流的互動通路，如電子信件、即時訊息服務或線上網路平台等。常見社群網路平台Facebook,Twitter, Plurk, Google+, LinkedIn, 人人網, 新浪微博, 騰訊微博, Instagram等等。

&  社群媒體資料探勘 ( Social Media Mining)

社群媒體資料探勘是透過針對社群網物所產生的資料，所進行的資訊擷取、彙整、分析，企圖取得特殊目的、族群的目標模式，透過統計方法、機器學習、網站分析、網路科學等等不同領域的方法，進行對社群網路資料所產生的龐大數據資料尋找其有意義的應用資訊與現象。

& 社群網路分析 ( Social Network Analysis)

有別於社群媒體資料探勘，社群網路分析主要過社群網路上每個使用者與其彼此間的關聯性透過電腦科學中的圖學理論、網路理論，將社群網路的事件關聯轉化為圖學上的節點與線段連接，藉此便可以使用數據分析方法中針對圖學、網路關聯分析技術進行判斷，找出其中的群聚、分類、特殊事件與趨勢等標的。

大數據藍海

 【智慧型運輸系統( ITS )於歐洲成功案例簡介】

自1994年在法國巴黎召開第1屆智慧型運輸系統(Intelligent Transportation System, ITS）世界大會開始，至今20年來相關技術持續在國際間研發、應用與推廣。ITS整合包含資訊、通訊、電子、控制及管理等技術，配合相關軟硬體建設，來改善或提升人、車、路之運輸功能與服務品質。近幾年由於雲端(cloud)相關之軟硬體技術大幅提升與價格普及化，建構在雲端系統之ITS已成為未來研究與發展之主流。底下簡述一些ITS在歐洲之成功案例，或許可作為國內發展類似系統之借鏡。

圖1：ITS電路。圖片來源：Eland Engineering

瑞典斯德哥爾摩是智慧交通的典範城市，使用浮動車資料獲取技術（Floating Car Data，FCD），從近 15000 輛計程車駕駛室內的全球定位系統中收集即時交通資訊。另外建置智慧公共交通系統，包括流量和事故管理、交通資訊發佈系統、路線規劃、交通安全系統等。2006年開始收取交通擁塞稅也是斯德哥爾摩智慧交通建設重要配套政策之一。

法國智慧交通系統包括高速公路電子收費系統HAMLET2，依據車輛行駛距離與對高速公路所造成損壞(例如重型車輛)進行收費。PC 2000確保旅客與駕駛之安全，可在緊急需要時快速連結巡邏警力、救護車輛、警局與醫院。MOBILOC為車隊管理系統，定位精度在10m左右，可在1分鐘內管理120,000部車輛。SURF 2000為城市交通控制系統，可隨時調整交通號誌秒數來減少車輛在路口等待時間。

德國COMPANION為一先進之事故警報系統，能在交通事故發生後之最短時間隔離現場，並通報鄰近駕駛注意，避免更嚴重的二次事故發生。PASSO系統依賴沿高速公路大量裝置之感知器，精確統計車流量，並搭配裝置在行駛市區車輛之GPS單元及GSM通訊所回報車輛位置、行駛方向及速度等動態車輛數據(FCD)，掌握即時交通資訊並產生可靠之交通預測。VSO系統每小時提供精確交通訊息概況，以視覺化效果顯示全國各州交通概況。

英國倫敦公車實時(live)訊息系統(Countdown)顯示公車到站次序、行駛路線、抵達時間，提升公車服務品質。TRIPlanner提供使用者旅程安排，包括最佳路線規劃、旅行模式組合(多元化)、旅行時間等。

其他如希臘APOLLON系統對道路空氣質量進行監測並預報汙染狀況，交通管理者可適時疏導交通壅塞區域避免汙染狀況產生。荷蘭TLN-planner產生起點與終點之精確路線與行駛時間，提供貨運業者精確成本計算。義大利AVM系統大量收集公車當前狀態(行駛位置、方向、超前或滯後、乘客數量等)，提升大眾運輸服務品質。

                       (本文作者：本中心 林啟芳教授。Email：cscflin@saturn.yzu.edu.tw )

【零售大數據應用：美麗與哀愁】

英國最大的連鎖超市Tesco在過去10多年來，一直是實體零售商應用大數據提升業績的典範。Tesco將顧客的刷卡消費、問卷回饋、打客服電話等多樣行為倒入分析模型，以獲得顧客的消費習慣、近期需求，據以開展精準行銷（precision marketing）。Tesco巔峰時期的市佔率曾高達30%，許多人都認為Tesco的關鍵成功祕密就在於高度客製化行銷、快速回應消費者需求。Tesco的成功故事不斷傳播，眾多實體零售業者如今皆寄望大數據分析成為抵抗線上購物的反擊武器。舉例來說，Lush，英國天然手工洗滌化妝品公司，讓員工使用大數據分析工具，隨時可以取得各品項的銷售數字，並可根據數據來管理店面陳設與倉儲。Lush的員工如果從統計數據發現某款手工皂的銷售總與特定洗髮精有關，他們可以自行決定將這兩項商品並排陳列，以進一步提高銷售金額。

圖2：我們可以給顧客什麼？。圖片來源：The Target shopper。

然而，Tesco近來糟糕的業績讓MIT Sloan的Michael Schrage帶出一個重要的討論議題：是否Tesco過度自信大數據分析帶來的精準行銷效益，而沒有關注真正的行銷創新與消費者洞見？同意者認為零售商的確過度美化大數據行銷帶來的成長效益，而且沒有意識到顧客對於永無止盡的客製化推薦感到厭煩，有少數顧客甚而因隱私被窺探而憤怒。不同意者則認為大數據分析並沒有錯，也早已是趨勢，關鍵問題在於決策者僅花少許時間解讀資料以致於做出過度簡化的決策。

未來幾年內，我們將可見到所有零售商應用大數據做出令顧客驚訝的客製化行銷。然而，我們更加期待真正的商業模式創新會因大數據分析而誕生，從而滿足顧客既有需求，以及擴展全新的消費體驗。

               

(本文作者：本中心 吳相勳助理教授。Email：sonicwu@saturn.yzu.edu.tw )

【大數據及雲端儲存之展望】

近年來，隨著數位攝影機（digital video recorder）、數位照相機（digital camera）、甚至感測器網路（sensor networks）的普及，我們所擁有的資料量大幅增加；資料的儲存與管理，遂成一重要的研究領域。舉凡著名之Google Filesystem[1] 、Apache Hadoop下的Hadoop File System (HDFS) 檔案系統[2] 、以及為IBM Elastic Storage產品線所採用之General Parallel File System (GPFS)技術[3] ，都為巨量資料的儲存與管理，提供了有效的解決方案。

為滿足雲端及大數據環境下對資料儲存之需求，既有之研究及系統實作由改良資料的儲存結構、索引結構、甚而存取介面等方面著手，試圖提升儲存系統之效能（performance）、可靠性（reliability）、可用性（availability）與延展性（scalability）等諸端服務品質（quality-of-service, QoS）指標。舉例而言，為了提供非規範化的、無法簡單以表格式關係描述（tabular relation）之資料，Not Only SQL (NoSQL)資料庫[4] 試圖延伸既有之關聯式資料庫（relational database）[5] 之設計，採用寬行儲存體（wide column store）[6] 與基於文件之儲存體（document store）[7] 取代傳統之鍵值儲存體（key-value store）以便有效管理大量非規範化之資料。然而，由於既有之研究往往偏重於儲存系統之邏輯視角，其並未充分考慮儲存硬體，如硬碟或快閃記憶體之硬體特性[8] ，而無法充分發揮不同儲存硬體之優勢。尤有甚者，既有之研究對於包含多種儲存媒體之複合式（hybrid）雲端或大數據儲存系統之考量仍未臻全面，仍有許多可挖掘之研究空間。有鑑於此，本分項計畫將開發相關之儲存技術，以提升大規模之異質雲端、大數據系統之各項性能。

圖3：資料儲存硬體。圖片來源：VirtualNigeria。

               (本文作者：本中心 黃柏鈞助理教授。Email：pchuang@saturn.yzu.edu.tw )

---

[1] Hemawat, Sanjay, Howard Gobioff, and Shun-Tak Leung (2003). "The Google file system." ACM SIGOPS Operating Systems Review. Vol. 37. No. 5. ACM.

[2] Borthakur, Dhruba (2008). "HDFS architecture guide." Hadoop Apache Project, http://hadoop.apache.org/common/docs/current/hdfs_design.pdf.

[3] Schmuck, Frank B., and Roger L. Haskin (2002). "GPFS: A Shared-Disk File System for Large Computing Clusters." FAST. Vol. 2.

[4] Cattell, Rick (2011). "Scalable SQL and NoSQL data stores." ACM SIGMOD Record 39.4: 12-27.

[5] Date, Chris J., and Hugh Darwen (1987). A Guide to the SQL Standard. Vol. 3. New York: Addison-Wesley.

[6] Sikka, Vishal, et al (2012). "Efficient transaction processing in SAP HANA database: the end of a column store myth." Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data. ACM.

[7] Tansley, Stewart, and Kristin Michele Tolle, eds (2009). "The fourth paradigm: data-intensive scientific discovery."

[8] Bez, Roberto, et al (2003). "Introduction to flash memory." Proceedings of the IEEE 91.4: 489-502.

大數據報報

巨量資料 建造智慧城市

全球能源價格日益高漲，藉由數位匯流與智慧聯網科技整合的智慧建築技術，將原先硬冷的建築智慧化。智慧建築即是把大樓內個別的消防、門禁、冷凍空調、能源供應等子系統整合為智慧型連線網路。而智慧城市的建造是透過完整的訊號蒐集，後進行巨量資料的分析技術，即時掌握城市現況。【DIGITIMES/2014-12-01】 全文

將大數據分析帶進農村及社區醫院

現今我們所討論的數據同時也分佈在我們日常不太會注意到的區域，如農村或社區醫院。美國CPSI與TruBridge公司蒐集社區醫院病患的醫療資訊，利用IBM SPSS Modeler分析並探討病患再次入院的風險。在農村及社區醫院的患者與身在大城市的患者一樣，都值得被重視；在這樣的地方，大數據的應用分析可能更有其價值的。【IBM Blog：Analytics/2014-12-01】 全文

大數據 比客戶更了解客戶

IBM軟體集團資訊管理軟體副總裁Frank Luksic表示，比「大量數據」更重要的是資料準確度。透過資料採礦能更有效運用企業所掌握的客戶資訊，進行分析進而更瞭解客戶，並運用這些資料做決策，而第二個重點就是做出預防措施。【數位時代/2014-12-02】全文

你怎麼看大數據的網路安全?

在大數據的巨大浪潮下，大多數人都同意一個現象，那就是網路安全挑戰不斷增加，威脅越來越多且持續擴大，有高達61%的人覺得大數據分析可以解決政府和企業的安全疑慮，事實上，只有35%已經制定媲美大數據分析的網路防禦解決方案。【Forbes/2014-12-10】 全文

大數據的力量

大數據浪潮伴隨著科技進步席捲而來，大數據不僅能增加銷售量，更可以用這些龐大無比的資料去預測其他行為，電影「MoneyBall」敘述美國職棒大聯盟MLB的小市場球隊奧克蘭運動家如何以有限預算來對抗財大氣粗的球隊就是一個相當著名的例子。【FCW/2014-12-11】 全文

雲端運算/巨量資料分析 台灣表現為亞太第一

根據「2014 年台灣雲端運算與巨量資料分析成熟度調查研究」，台灣在雲端及巨量資料分析表現是領先亞太地區。依照企業對新科技的應用成熟度與創造的商業價值將之區分做試驗、專案、可重複、可管理與最佳化五個階段，未來在雲端運算與巨量資料分析的成熟度也將從「專案」階段邁向「可重複」階段。【MoneyDJ/2014-12-11】 全文

Google創投重點 大數據也入列

Google創投重點分別比重如下，依比重佔居第一為健康照護與生命科學領域，第二投資重點為行動市場，投資佔比27%，其次則是企業與Big Data市場，佔比24%。【WSJ /2014-12-15】 全文

大數據是如何改變音樂產業?

隨著科技的日新月異，音樂產業型態以和以往有很大的差異，簡單來說，音樂人不再僅僅依靠消費者去賺錢，藉由適當的平台去連結供需兩方，音樂人也可以從平台上的分析數據來了解現在消費者的喜愛趨勢，在大數據的引領下，數據商業化的過程將使音樂產業邁向更新的消費模式。【VB NEWS/2014-12-18】 全文

你蒐集到的大數據夠大嗎?

什麼數據才會被稱做大數據，是需要PB級數據呢?還是有哪些門檻，事實上，目前並沒有一定的答案，但數據除了大，還需要哪些條件嗎?答案是必須或得有「質量」的訊息，以及擁有適當的工具來管理和分析正確的數據。【TECH COCKTAIL/2014-12-20】 全文

邁向零售4.0 虛實整合全通路時代

科技技術進步，行動裝置早已普及，消費者隨時都能輕鬆上網購物。零售4.0最終目標即為消費者創造更好的消費體驗，在給予優質服務前，勢必需要借住科技的力量，如雲端運算、行動服務、物聯網，及巨量資料分析等。【DIGITIMES /2014-12-22】 全文

運用大數據 找出找施政「關鍵字」

毛揆指派有資通訊專長的副閣揆張善政規劃，未來半年內要利用「開放資料」、「大數據」與「群眾外包」協助政府運用創新科技掌握民心。目前，政院已擬建置大數據團隊，每天爬文臉書、PTT等各大社群網站，期待精準算出民眾的需求並做到前瞻施政。【科技新報 /2014-12-23】 全文

百度天眼 大數據場景化

百度天眼顛覆了大部分人們對大數據的認知，利用「嗅探」功能，使用者只要將手機對著天空，就能捕捉到當前位置附近不同方向、區域飛過的航班，連航班號、航速都清晰可見，讓使用者隨時隨地都能知道飛機位在何處，而未來的應用將會更加廣泛。【IT之家網站/2014-12-24】 全文

2015年 台灣大數據五大趨勢

越來越多企業都開始嘗試利用大數據來增強企業競爭力，接下來有五大趨勢提供參考，分別如下，客戶洞察成為所有 B2C 商業的顯學；In-memory 分散式運算開源軟體日益成熟，企業的近即時巨量資料應用成本降低，大大增加「快速偵知與快速反應」實現的可能；物聯網與巨量資料分析結合；資料產品雲服務化；資料分析人才需求持續增長。【INSIDE/2014-12-25】 全文

大數據活動訊息

VOXXED Days Vienna 2015  

2015年2月6日於維也納‧奧地利將召開此盛會。VOXXED是一系列聚焦於Java、網絡、移動裝置和JVM語言的活動。共計26場會議，共匯集澳洲和來自於世界各地的JAVA菁英，絕對可以滿足300位與會者學習最新技術的好奇心。 會議網站

XML Prague 2015

是一場關於標記式語言和網路數據的會議，2015年2月13日至15日於捷克共和國盛大舉行，主題如下：Markup and the Extensible Web、Semantic visions and the reality、Publishing for the 21st century、XML technologies and Big Data、State of the XML Union。 會議網站

ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2015)

知識發現與數據挖掘領域的國際頂級會議第21屆將於2015年8月10日至13日於澳洲‧雪梨召開。此會將是大數據時代專研數據科學與智能科學的專家學者齊聚一堂的盛會。KDD 2015徵稿截止日為太平洋標準時間2015年2月20日。 會議網站

RE‧WORK Future Health Summit

2015年9月24、25日於愛爾蘭將舉行健康醫療之高峰會。本次峰會將展示加速技術所帶來的機遇及其對健康和醫學的影響。主題如下：個體化治療、機器人、診斷學、大數據、合成生物學、再生醫學、3D-列印、神經醫學雜誌、量化生活。 會議網站