搜尋結果
2024年4月30日 · 因此，微軟強調「Model as a Service」概念，企業客戶不只需要一個厲害的模型，而是一套完整的開放平台，提供企業使用生成式 AI 模型需要的工具與各種開源模型，像是從雲端連結 AI，幫助企業從基礎架構、資料分析儲存，甚至到 AI 開發工具集 AI Studio 都
2023年9月1日 · 2023-09-01. 分享本文. 生成式 AI 火熱，OpenAI 推出的聊天機器人 ChatGPT，發布僅 2 個月活躍用戶就達 1 億，是歷史上成長最快的消費者應用程式之一。 ChatGPT 也帶起生成式 AI 風潮，據麥肯錫調查，全球有近 25 % 的企業主管正在使用相關工具工作、有 40 % 的企業將增加對 AI 的投資。 ChatGPT 如此火熱，許多企業開始思考結合生成式 AI 優化內部服務，或是融入面向消費者的產品之中， 但台灣民眾的對這項科技的接受度、看法如何？ 有哪些在設計服務上可多加留意的地方 ？
- 開始研究「教育不平等」的起因是？
- 如何蒐集資料觀察台灣的教育問題？
- 在東亞國家裡，台灣的教育有何獨特之處？
- 為何想研究教育的「城鄉差距」？
- 社會學如何應用於或參與現實社會？
- 推薦閱讀
理想上我們希望學校教育是一個平等化的過程，不同家庭背景的學生來到學校後，從不平等逐漸變成比較一致的。理想上是如此，可是有時學校教育並不是這樣，只是反應了學生家庭背景的不同，維持這樣的不平等、或加劇這樣的不平等。 我是學社會學的，其中一個領域是「社會階層」，也就是研究社會不平等。我們從文獻裡知道，影響一個人的職業地位，最重要就是「教育程度」。而影響教育程度最大的就是個人在學校的學習表現，包含數學、科學以及其他科目的表現。 個人在學校的學習表現不僅影響未來受教育的程度，也直接對未來的工作表現與收入有所影響。我在看到這個重點後，就聚焦在學生學習表現的研究，因為這對於學生未來是有重大影響的。
我使用的資料分成兩部分，一部分是台灣本土、一部分是跨國的。 PISA 和 TIMSS 涵蓋數十個國家的中學、小學學生學習評量與調查，這些資料的蒐集是由跨國教育評量組織推動，建立收集資料的標準程序與作法，再由各國的大學研究團隊收集學生資料。資料定期釋出，提供研究者使用。 過去我是台灣教育長期追蹤資料庫 （TEPS）這項資料收集計畫的協同主持人，主要負責學生學習評量測驗的設計，以測量學生從國一到高三的學習成長。台灣教育長期追蹤資料庫 （TEPS） 是針對 2001 年的國中一年級與高中二年級的學生做調查，各約兩萬個樣本，約兩年做一次追蹤調查，直到高三下學期。 問卷內容包含許多面向的問題，有學生、家長、老師、學校行政人員等不同問卷。除了調查問卷之外，學生還接受一組約 75 題的學習評量，測驗時間約...
在跨國教育評量資料裡，我們看到表現比較好的、前面幾名通常都是「東亞」，新加坡通常都是第一名，接下來是南韓、日本、台灣、香港。我們會懷疑可能是因為我們有考試，把學校學習、考試看得很重，為了進入好的大學而需要補習。 但在 PISA 裡有一個評量不是數學、也不是閱讀，而是叫做「創造性的問題解決能力」，這在東亞的國家表現還是比較好的，這也就使得「你們只會考試沒有創造力」這樣的指涉不攻自破。 另外台灣有一個特色，在 TIMSS 裡，將同一年級學生的數學表現高低劃分為四項標竿，分別為進階、高級、中級及初級的國際標竿 (advanced, high, intermediate, and low international benchmarks)。 如下方表一所示，在 2003 年，台灣只有 16% 的小四...
我發現大眾對城鄉學生學習表現的差距，存有一些刻板印象。 媒體對偏鄉學校的報導，加深民眾對城鄉差距的刻板印象。偏鄉成為民間教育團體熱情投入的對象，也是政府投入資源的特定對象與重點目標。民間教育團體與政府的作為，似乎都受刻板印象所影響。 但我認為：教育政策的制定需要有實證研究做為基礎。 我曾寫過一篇文章討論城鄉差距，看的是台灣四年級跟八年級(國二)數學這科的表現。一般以為只要在偏鄉，學習表現一定會比較低落，都市就學生學習表現都會比較好，學校設備師資也會較佳。但透過研究數據，平均來看偏鄉或城市雖有顯著的差異，可是在都市或介於兩者之間中間地帶的城鎮，有更多學習低落的學生存在。 我們若只注意偏鄉，好像只要把偏鄉學習表現拉高就可以解決學習落差很大的問題，但事實上是沒有辦法的──因為大部分學習表現低落的學...
社會學家要到處跑、進入不同場域去了解社會？還是關在自己的研究室裡面，埋首研究？我想是有不同的看法。就我來說，我沒有說社會學家應該要如何，但我可以說，目前為止我做了些什麼。 我使用蒐集好的資料，是來自於其他社會學家們進入場域、進入學校發問卷評量，甚至有許多不同國家的人把資料收集、整理好。這些資料是由一群專業團隊所建構的，數量龐大，具代表性，有良好的品質。我提出研究問題，分析這些資料，呈現一些研究發現。 這些研究發現通常不是在進入場域當下能夠一次看到的，而是必須運用資料才能呈現、使人信服的。 所以這是身為一個社會學家，我所做的參與，做出來的研究結果往往是沒有做的話並不會知道、要做了才知道的情形，幫助我們更加了解台灣學生學習的狀況，我是透過這樣的方式在呈現這些研究結果或我對社會的觀察。或許可以說是...
【誰偷了我的血汗錢】經濟研究員用「2 大要素」破解：台灣 GDP 成長，為何薪水卻沒漲？ 【氣候變化竟能影響政變】氣象學家研究中國氣象史，發現「1 種氣候」易讓戰爭頻繁 【原來幸福真的會放閃】成大最新研究「幸福時大腦會發亮」！與人互動產生的幸福感「高於個人功成名就」 （本文經合作夥伴 研之有物 授權轉載，並同意 BuzzOrange 編寫導讀與修訂標題，原文標題為〈從資料分析，看見「社會不平等」的根源—家庭與學校教育〉。首圖來源：研之有物。）
2021年1月18日 · 2021-01-18. 分享本文. 【為什麼我們挑選這篇文章】在機器學習的模型建立時，對於資料來源科學家們會有一個基本假設，就是資料的種類與數量是「平均分布」的。 但現實中的資料往往呈現一種極端的不平衡現象，常見但少量的類別，與罕見卻大量的類別，兩者資料數量會形成非常懸殊的差距，稱為長尾分佈，這也是人們經常提到「二八法則」現象的一種。 訓練模型時，你是否也遭遇過這樣的「尷尬」時刻： 好不容易找到了自己想要的資料集，結果點進去一看，大部分樣本都是一類物體，例如，資料集標籤「動物」，結果 80% 的樣本都是「貓」。 若用上面這個資料集訓練的動物檢測模型，可能就只能識別「貓」一種動物。
2019年8月13日 · 各有什麼優缺點？ 下文列出工程師常用的機器學習演算法，熟悉它們，將提升你的 coding 高度。 （責任編輯：郭家宏） 「《科技報橘》徵才中！ 跟我們一起定位台灣產業創新力 >> 詳細職缺訊息. 快將你的履歷自傳寄至 [email protected] 」 說到分類演算法，相信學過機器學習的人都能講出一兩個。 可是，你能夠如數家珍地說出所有常用的分類演算法，以及他們的特徵、優缺點嗎？ 例如，你可以快速地回答下面的問題嗎： KNN 演算法的優缺點是什麼？ Naive Bayes 演算法的基本假設是什麼？ entropy loss 是如何定義的？ 分類演算法調參常用的圖像又有哪些？ 答不出來？ 別怕！ 一起來透過這篇文章，回顧一下機器學習分類演算法吧（本文適合已有機器學習分類演算法基礎的朋友）。
2021年3月19日 · 去年，資料分析媒體 KDnuggets 為讀者提供許多學習資料分析的免費電子書單，2021 年 KDnuggets 同樣精選 15 本與數據科學、資料分析和機器學習有關的電子書清單。想要在今年規劃一些讀書計畫的工程師們，不妨從中挑選幾本不錯、符合自己需求的電子書
2018年9月11日 · Taleb 是風險、不確定性和定量問題方面最偉大的現代思想家。 他也是一個推特大 V（TO 編按：中國用語，代表粉絲 10 萬以上。 ），以炮轟那些他稱為 「有知識卻仍然是白痴」（簡稱 IYI）的人而聞名。 在背景方面，他原本是一位移民衍生品交易員，之後成為了數學哲學家。 你要麼愛他，要麼恨他，因為他會在他的所有寫作中不斷挑戰你的假設。 如果他新寫了任何東西，你都應該立即把它放在你的閱讀清單上。 《財富公式》：這是關於凱利標準早期在麻省理工誕生的故事。 凱利標準據說產生於一次巨大的財務成功。
&ck=BF5F3A3F52AF65EB5035BBC2D73D5FAA&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料1")
&ck=DDEE623724F82A331002E64849BDA80A&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料2")
&ck=C467F1052D10A92AA6ECDEBAEBA0E14F&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料3")
&ck=DD58DA68830A1372DD951042B956C3B3&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料4")
&ck=89084A25251BA1B2851CCF612401D7E3&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料1")
&ck=C69A99EA7C541F2F3459041B76A64259&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料2")
&ck=EB73D3792D61A38C44E9234F168EF4AE&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料3")
&ck=0CFF64643D7EED620704F9B4562F9A34&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料4")
&ck=7D348B0A9541B14284D3BC59BF619C27&idpp=rc&idpview=singleimage&form=rc2idp "曾格爾資料5")
