【特別公告】2021 年第一班，開賣一週後，僅剩最後 7 席，把握機會。別再找藉口拖延或自我摸索，早報名，早發表！　
　
👁‍🗨 學員心得分享
　
在上個梯次便打算報名，但下定決心時，早就又額滿，這次報名資訊一出來，決心不再錯過。就想實際聽一回，經驗豐富的前輩們，如何引領我們進入 meta-analysis 的大門。
　
從搜尋文獻開始，沒有生硬的關鍵字邏輯教學，老師告訴我們實際上的熱、冷門議題的搜尋，該怎麼去調整搜尋策略，並針對結果文獻數量，進行二次修正，以及在檢視標題或大綱時，用 N-1 的法則。
　
如何閱讀、擷取數據應用到之後的統計軟體，甚至連如何聯絡原作者團隊，詢問原始資料，都有心得經驗能分享，講師真的都是毫無保留的教學呀！
　　
　
👁‍🗨 在最短時間內協助最多校友起步的課程
　
無資源、沒經費、零基礎也不怕，正因為 meta-analysis 論文容易寫、容易發，不需要 IRB，還免收案，搜尋資料庫的大數據不求人，用自己的電腦，就能順利發表論文，非常適合「資源缺乏」又需要「單兵作戰」的研究者！
　
無論你是想從 0 到 1 的完全新手，或是想提高論文量產的資深老手，現在正是把握 meta-analysis 的好時機！這堂課，將帶你深入了解論文產出的必經過程，手把手教你統計製圖，協助你將寫作、發表效率最大化。
　
2021 年 3 月 13 日（六）統合分析工作坊
　
【立刻報名不猶豫】
https://meta-analysis.innovarad.tw/event/
　
　
👁‍🗨 講者介紹
　
【張凱閔】知名復健醫學與超音波學者，台大流病與預防醫學博士，已發表超過 24 篇 meta-analysis 論文，探討臨床常見議題。
　
【曾秉濤】專業精神科醫師，擅長從臨床工作找到發表議題，已發表超過 55 篇 meta-analysis 論文，並組成研究團隊。
　
【蔡依橙】專業課程開發與整合者，能迅速理解學門架構，並以初學者能理解的方式，建構學習流程。生涯被 SCI 期刊接受的圖表，已超過 500 張，熟悉學術審閱過程與要求。
　
　
👁‍🗨 學員評價
　
「順利考過專科考試後，因為沒有論文，頭銜看起來就有那麼點的彆扭，也考慮過要繼續念研究所，可是時間有限，還要養家糊口。求助於科內學長姐呢？同樣都是主治醫師了，又有誰會來手把手的從頭教你發表論文呢？好險有新思惟！」
　
「曾經在上課前有點擔心，蔡校長與其他醫師講者的次專科，與我自己的專科領域相差很多，會不會課程內容有些不適用的地方，結果發現完全沒有，原則性的東西都有帶到，而且可以體會課程設計者想將聽眾一次就帶到能夠直接上線的用心，實際上也做到了這一點。」
　
　
👁‍🗨 課程內容
　
√ Meta-analysis 研究規劃技巧：以指定論文為例
　
√ 拆解論文架構：照這樣做，最容易。
　
√ 那些重要的專有名詞：Meta-analysis 重要數值
　
√ 互動實作時間：完成一套 Meta-analysis 圖表
　
√ 我是怎麼搜尋文獻的：以發表為導向
　
√ Meta-analysis 圖表優化重點
　
√ 給初學者的起步建議：減少卡關，邁向成功。
　
2021 年 3 月 13 日（六）統合分析工作坊
　
用一天的時間，最大化寫作與發表效率。現在投資自己，將來登上 PubMed 有你！
　
【立刻報名不猶豫】
https://meta-analysis.innovarad.tw/event/

打造「聊」癒系機器人！看圖說故事 AI也略懂略懂

信傳媒
研之有物
2020年11月8日 下午1:24

看圖說故事對人類來說，是輕鬆好玩的事，但對 AI 來說，卻是巨大挑戰，因為這代表 AI 必須看出圖中有哪些物件、理解圖片意義、能夠生成文句，還要看懂圖片間的因果邏輯。在中研院資訊科學研究所古倫維副研究員的努力下， AI 看圖說故事的能力有了很大的進展。她的模型有什麼獨特之處呢？跟著研之有物一起來瞧瞧！

俗話說得好：「發文不附圖，此風不可長。」不論你發的是爆卦文、閒聊文還是業配文，有圖更容易晉身流量熱文。不過近年來，社群網站發文的風向漸漸有了改變，從「發文附圖」轉變成「發圖附文」，我們總是先來一張照片，再配上相應的描述文字。接下來，我們的發文習慣還會怎麼改變？

或許，未來你拍下一張照片上傳社群網站，電腦就會自動「看圖說故事」，為你的照片腦補一段說明文字，節省你的思考時間。

讓電腦學會「看圖說故事」的伎倆，正是中研院資訊科學研究所的古倫維副研究員正在鑽研的主題之一。她的主要研究領域是人工智慧（ AI ）的自然語言處理，在因緣際會下，接觸到一個 AI 看圖說故事的競賽： Visual Storytelling （ VIST ），開啟了她對 AI 看圖說故事的興趣。

電腦如何學會「看圖說故事」？目前學界使用「機器學習」，簡單來說，就是讓電腦從大量的圖文搭配組合，從中學習看到怎樣的圖片，應該說出怎樣的故事。古倫維說：「其實一開始我們做得並不特別好。我們跟其他參加競賽的人一樣，用機器學習的方法，把圖和對應的文字丟進電腦，讓機器自己學習最佳的圖文搭配。然而機器學習幾乎是軍備競賽了！誰的電腦計算能力更強，得到的模型更複雜，生成的文字就會更好。」

先選角、打草稿，再寫故事

在軍備競爭不足的情況下，古倫維決定採取不同的策略：「既然完全由 AI 看圖說故事的效果不夠好，能不能在故事生成的過程中，有一個人類可以介入改善的步驟。」所以她把原來的做法分成了兩個階段，先從圖片抽取語意，接著再生成文字故事。

語意抽取，是指先從個別圖片中選出用來說故事的概念（如同電影選角），用知識庫找出概念之間的關係，建立圖片的關聯，再為這些圖片擬定最好的草稿（如同電影故事大綱)。

重點來了！在「選角」階段， AI 會先以機器學習的結果，找出最適合說故事的「角色組合」，尤其是面對連續圖片。這就好比張曼玉、梁朝偉、成龍三個演員，前兩個主要演愛情片，第三個以武打戲為主，如果第一張照片選了張曼玉，第二張照片應該選梁朝偉，生成的故事會比較好看。

但目前 AI 選角部分還不夠靈光，有時仍會發生如「張曼玉配成龍」的選角名單。古倫維的兩階段設計讓人類可在「選角」階段介入修改。實際例子如：圖片中有小男孩、天空、腳踏車三個概念。AI 從上圖抽取出的概念可能是「小男孩」、「天空」，最後生成的故事可能是「一個小男孩在天空下」……滿無聊的。但人類可以把「天空」改成「腳踏車」，機器最後就可能生成「一個小男孩騎著腳踏車。」嗯，是不是比較有故事性了？

最後，人類再將修改後的選角和故事大綱，交給 AI 產生整個故事。這種「先選角、打草稿，再說故事」的方式，最後產生的故事比較不會無聊或是不合理，更接近人類說出的故事。

知識庫，AI 想像力的補充包

為了增加 AI 的想像力，古倫維也在模型中納入「知識庫」，幫 AI 增加故事的知識。例如圖片中有人與馬，如果沒有知識庫，AI 可能只能生成「有一個人與一匹馬」這種平淡的句子。但知識庫可以補充人與馬關聯的知識，包括人可以騎馬、養馬等等，讓 AI 有機會說出「有一個人騎著自己養的馬」比較具故事性的句子。「當然 AI 也可能從大量的故事中以機器學習取得『很多人都會騎馬、養馬』的知識。但知識庫的最大功用，就是直接提供這個知識給 AI ，縮短學習歷程。」 古倫維解釋。

更重要的是，知識庫讓 AI 更容易解讀出圖片之間的關聯。如 VIST 競賽的題目就是包含了五張圖片的圖組，在知識庫的協助下， AI 比較容易找出各別圖片的概念之間的關聯，說出的故事會比較連貫，具有因果關係。

AI 是完全沒有想像力的，但若透過知識庫給它知識，這些知識在故事中呈現出來的，就像是 AI 的想像力。

巧妙切開「語意抽取」與「生成文本」

兩階段生成故事的方法還有一個優點，就是可善用大量的「圖片辨識」與「故事文本」資料庫，避開「圖文搭配」資料的缺乏。

現今的「圖片辨識」技術和資料庫非常成熟，可以精準的從圖片中抽取出各式各樣的概念。另一方面，說故事是人類從古至今不斷從事的活動，留下了大量的「故事文本」。相較之下，看圖說故事的「圖文搭配」資料量卻相當少，需要有人刻意去蒐集圖組、撰寫文字，古倫維說：「這種圖文搭配的資料必須人工建立，能有一萬組就很厲害了，但這個數量對於機器學習來說卻是遠遠不夠的。」

古倫維則把生成故事的過程拆成「語意抽取」與「生成文本」兩個階段，第一階段可利用精熟的圖片辨識技術和資料庫，抽取故事概念；第二階段再運用故事文本資料庫，讓機器學習如何將第一階段抽取（並由人類修改過）的概念，組合成漂亮的故事，巧妙避開了「圖文搭配」資料不足的難題。

把「語意抽取」與「生成文本」切開的話，兩個階段都可以利用幾千萬筆的既有資料，供機器學習。

腦補，讓機器更有溫度

說了半天，但 AI 會看圖說故事，到底能幹嘛？難道只是幫貼圖寫寫圖說？以研究的層面來說，如果 AI 能看圖說故事，代表 AI 在理解圖片、文字分析及因果邏輯等方面，都達到一定的水準，代表 AI 語言能力更加接近人類。在實際應用上， 可以為圖文創作者提供故事草稿，或是對於常常需要撰寫廣告文案、出差報告的人，能夠很快從圖像生成文本，人類只要略做修改潤飾即可 (小職員計畫通！)。

但更重要的是，機器人也能因此更有溫度！古倫維與臺大人工智慧與機器人研究中心的傅立成教授合作，希望透過 AI 看圖說故事的技術，讓居家照護機器人更有「人味」，會主動關懷人類。因為居家照護機器人在家中「看見」的一切，其實就是一張張的圖， AI 可以透過這些「圖」形成可能的故事，再轉化為暖心的問句。

想像一下，未來居家照護機器人看見老人家在廚房，故事劇情可能是「他要煮飯」，於是問出：「今晚想吃什麼？需要幫忙嗎？」當老人拿出相簿緬懷過去，AI 也能從舊照片解讀可能故事，轉化成聊天的問句：「照片中的這個人是誰啊？你們去哪裡玩？」還能變身孩子最愛的說故事姊姊！AI 可能從儲存的繪本資料庫中，隨機抽出不同圖畫重新組合，說出全新的故事。

會看圖說故事的 AI ，可以從眼前的情景連結到事件或情感，就像人類的腦補一般，而這些腦補就是故事。

如此一來，居家照護機器人不再只是被動的處理人類需求，相反的，「說故事的能力賦予了 AI 機器人找話題的功能。」古倫維笑著解釋，機器人從此不再詞窮，可以主動關心人類，與人類互動聊天，讓機器人變得溫暖許多。看來 AI 看圖說故事，不只是寫寫圖說、幫忙解決麻煩的出差報告，在不遠的未來，更是拉近我們與機器人距離的關鍵所在呢。

附圖：AI 看圖說故事的能力，可讓照顧居家照護機器人了解眼前的生活情境，具有找話題的能力，變得溫暖許多。（圖片來源／研之有物授權使用，下同）
中研院資訊科學研究所的古倫維副研究員，主要研究領域是人工智慧（ AI ）的自然語言處理，現正開發如何讓 AI 不只會說故事，還會看圖說故事。
古倫維的故事生成模型將產生故事的過程分成「語意抽取」及「故事生成」兩個階段。 圖說重製│黃曉君、林洵安
電腦看圖說故事的範例。No KG 代表機器在不添加額外知識時所產生的故事，Visual Genome 與 Open IE 古倫維團隊用兩個不同的知識庫分別產生的故事，GLAC 是除了古倫維的模型外目前成果最好的模型。由上可知，知識庫的確能幫助故事的上下文連結。最後的 Human 是真人所寫的故事，包含了許多圖片中沒有的知識，甚至精神性的內容。

資料來源：https://tw.news.yahoo.com/%E6%89%93%E9%80%A0-%E8%81%8A-%E7%99%92%E7%B3%BB%E6%A9%9F%E5%99%A8%E4%BA%BA-%E7%9C%8B%E5%9C%96%E8%AA%AA%E6%95%85%E4%BA%8B-ai%E4%B9%9F%E7%95%A5%E6%87%82%E7%95%A5%E6%87%82-052415130.html

📜 [專欄新文章] TEM 區塊鏈基礎教育第三階段 — 跨出工程師只會寫 Code 的既有框架
✍️ Phini Yang
📥 歡迎投稿： https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium

TEM 區塊鏈基礎教育第三階段 — 跨出工程師只會寫 Code 的既有框架

本課程著重在進入區塊鏈產業所需具備的基礎知識。

區塊鏈技術是橫跨多領域所組成，並又接著在各領域知識的基礎上創新。從網路結構的外觀來看，系統以眾多節點以點對點架構組成，相異於主流日常生活使用網路服務的主從式架構。節點間對資料取得共識的機制也須追溯到分散式系統的研究。

在以太坊以來，客製化虛擬機以進行運算也成顯學，這塊又屬於編譯器的領域知識。不論在共識層或應用層，系統倚賴密碼學的工具。最後利用區塊鏈簿記上的資產進行獎勵或懲罰來讓系統參與者作出行動，需要經濟學上的工具。

即使在五年之前進入區塊鏈圈，要能夠一次把這所有的領域接觸過也非容易。這次課程取得在各自領域專精的講者，把每個領域重要的概念提過，並點出與區塊鏈關聯的重點。

目標並非讓學習者能夠完全掌握所有的領域，而是

降低日後自行學習的障礙，知道可以從哪裡開始看

知道哪些領域有學習者自己領域能夠切入合作的缺口

知道各種領域的瓶頸及前沿研究是什麼。

課程的安排除了前述眾領域的介紹，最後有一門「客戶端原始碼分析」，全節點便是整個抽象共識機制的具體軟體實作，有了前面的基礎，看到程式碼會比較知道背後設計的原因。

為什麼從以太坊開始學？

以太坊鏈上的 Dapp ，不論是在數量或是應用的範圍上，皆遙遙領先其他主鏈。各大主流區塊鏈應用的衍生，也是以以太坊為基礎發展而成。 以太坊目前仍是區塊鏈中最具開源文化的生態系之一，技術支援也是所有公鏈中最完整的，有著最豐富的研究者社群與概念創新。

課程時數與費用

課程將分成三階段，每階段授課 12 小時，形式包含講課與實作。
每一階段 12 小時收費 $4,800 元，早鳥票 $3,600，三人團報價 $3,000/1 人。
課程人數最多 30 人為主，最低開班人數 10 人。

🎁 立馬去購票 🎁

https://www.accupass.com/event/1911150750032715966110

❓有任何問題，請聯繫 Phini Yang (Mail)

以下為每堂課程詳細介紹，以供學員理解：

1. 經濟學原理 — 賽局理論/供需 By 梁智程, 以太坊基金會

為什麼要學習這項課程？

區塊鏈無論是底層協議，或是去中心化應用，系統經常需要設計誘因，並假設系統的多數參與者會依據誘因，做出對自己最有利的行動，利用那樣的行動維持系統運作。

要討論、分析、設計誘因，經濟學上已有累積已久的語言與工具。因此我們常會在區塊鏈的文章中看到從古典的供給與需求[1]、共有財的悲劇[2] 、或是較現代的賽局理論、機制設計、拍賣等術語。

這些觀念可能對無經濟學背景的開發者較難掌握。我會試圖在有限時間之內，介紹主要常用的經濟學概念，並點出有運用到這些概念的相關區塊鏈文獻。我們也會介紹到因為區塊鏈特殊的環境，所產生新的機制設計的挑戰以及機會。

這項技術可運用在哪？

要設計區塊鏈相關系統，通常需要理解經濟學相關知識。

課程大綱

1⃣ 經濟學原理
- 供給與需求
- 外部性與公共財
- 區塊鏈範例：區塊鏈運算資源

2⃣ 賽局
基本定義：玩家、報酬、策略、均衡
非合作賽局 vs 合作賽局

3⃣ 機制設計
- VCG 最佳機制設計
- 區塊鏈範例
第二價拍賣的手續費 [3]
賄賂攻擊 [4]、反機制 [5] 與全知識證明 [6]
- 激進市場範例
平方投票

2. 虛擬機 EVM By 戴宏穎 (海帶), Second State

為什麼要學習這項課程？

虛擬機就像是肝臟，雖然是人體中沈默的器官，但沒有這個元件，整個系統就會失去作用。

對於使用者而言，不論是在 Ethereum 上轉 Ether 、部署合約、或者呼叫合約，基本上都不會注意到有虛擬機的存在。可這個無感的存在卻是合約能夠執行的核心關鍵。如果今天沒有虛擬機，那 Ethereum 就無法撰寫 smart contract 、無法執行 DApp (迷戀貓、去中心化交易所等應用)。

這項技術可運用在哪？

除了是設計有執行合約能力的區塊鏈系統中必備的元件外，理解虛擬機也能幫助我們在裡頭進行效能的最佳化與增加新的特殊功能（產生隨機數、進行 hash 運算等）。

課程大綱

1⃣ 深入淺出 EVM
- 虛擬機概論
- EVM 核心元件
- 理解 EVM 內部的運作過程

2⃣ 實作
- 增加一個新的 opcode magic
- 增加產生隨機數的 opcode rand (EVM 的隨機該怎麼做)

3⃣ Eth 2.0
- Ewasm Virtual Machine

3. 共識機制—PBFT/PoS/Casper FFG By 邱駿, UnityChain

為什麼要學習這項課程？

PBFT（Practical Byzantine Fault Tolerance）誕生至今已逾 20 年。它的發明源於分散式系統中一個著名的共識難題：拜占庭將軍問題（Byzantine Generals Problem）。PBFT 並不是一個針對全開放環境的共識協定 — 事實上在區塊鏈出現之前，並未出現任何一個針對開放環境的拜占庭容錯共識。區塊鏈的橫空出世啟發了研究人員再度審視 PBFT 這個經典。

PBFT 具有一些與區塊鏈截然不同的特性，這提供了改進區塊鏈一些有用的思路，例如以PBFT為基礎建立的權益證明(Proof-of-stake)模型。儘管在區塊鏈蓬勃發展的今日，PBFT這個經典仍然蘊含許多值得研究人員反覆推敲的巧思，其後續也衍生出非常多新協定，例如 Tendermint / HotStuff / Harmony FBFT 等等。

以太坊對權益證明（Proof-of-Stake, PoS）的研究最早可追朔至 2014 年。從此之後，以太坊研究員們便一直朝「實現基於 PoS 的共識協定」此一目標前進。PoS 共識的設計是一個跨領域且相當複雜的問題，其包含計算機科學 / 經濟學 / 密碼學等面向。以太坊擁有區塊鏈生態系中最跨領域的團隊，對 PoS 的研究可以說是相當透徹。

課程大綱

1⃣ 什麼是共識？
- 什麼是狀態機？
- 為什麼需要共識？
- 為什麼共識這麼難？
- 正確的共識：安全性（Safety）與活躍性（Liveness）
- 共識一定可以達成嗎？

2⃣ PBFT 共識協定
- 協定概論
- 安全性與活躍性分析
- 特性分析

3⃣ PoS 共識協定
- 什麼是砍押金/砍押金條件?
- PBFT 最小砍押金條件
- 為什麼 PoS 這麼難設計?

4⃣ Casper FFG
- 協定
- 特性分析
- 改進 PBFT
- 與 Eth 2.0 整合

4. 密碼學原理 — 橢圓曲線/零知識證明 By 吳偉誠 (Kimi), UnityChain

為什麼要學習這項課程？

隱私在現今世界越來越受重視，但是區塊鏈上任何的交易都是公開透明的，要如何在使用區塊鏈的同時又享有隱私，零知識證明是目前最好的解決方案。

這項技術可運用在哪？

零知識證明除了使用在隱私外，也能有效率的驗證資料，進而提高交易速度。

課程大綱

1⃣ 橢圓曲線簡介

2⃣ Shamir’s Secret Sharing 介紹與應用

3⃣ 零知識證明
- 零知識證明簡介
- zk-SNARKs
- 零知識技術的應用與比較

4⃣ 手把手實作
- circom 語法及指令

5. 點對點 p2p 系統 By 賈脈瑄, 以太坊基金會

為什麼要學習這項課程？

區塊鏈本身基於點對點（Peer-to-Peer, 簡稱 P2P）網路。大家都知道共識層的重要，但常常沒意識到網路層的安全也很重要。

P2P 網路的術語及概念本身也很分散，經常散落在網路各處難以系統化的學習。不同的使用情景造就了不同的設計，近年區塊鏈興起，也帶起了和區塊鏈有關的 P2P 系統研究。這門課會帶過 P2P 系統中常用及重要的設計與理由，並介紹區塊鏈系統們怎麼應用這項技術。

這項技術可運用在哪？

實作去中心化網路，譬如區塊鏈網路。不同區塊鏈可以設計特化且有效率的 P2P network。

課程大綱

1⃣ P2P networking 基礎
- 歷史背景
- Overlay
- Requirements for p2p networks
- Unstructured networks
- Structured networks: DHT
- Gossiping

2⃣ 區塊鏈的 P2P networking
- Difference from the classical p2p networks
- Cases study
・Ethereum or Bitcoin
・Ethereum 2.0
- Library: libp2p

6. 客戶端(Geth)原始碼分析 By Miya Chen, AMIS

為什麼要學習這項課程？

Ethereum 擁有非常活躍的開發生態系，以 go-ethereum 為例，透過分析原始碼更加了解 Ethereum 協議運作過程。

這項技術可運用在哪？

根據自身需求客製化模組邏輯，例如：修改 miner 打包 transaction 的順序。

新增 RPC API，例如：subscribe API。

記錄額外的 blockchain 資料，例如：每一個 block 其所有 account balance 和 storage 的差值。

課程大綱

1⃣ Geth 架構介紹

2⃣ 理解 tx pool 運作過程

3⃣ Event subscription 的實作

4⃣ 手把手實作: 客製化 tx pool

課程時數與費用

課程將分成三階段，每階段授課 12 小時，形式包含講課與實作。
每一階段 12 小時收費 $4,800 元，早鳥票 $3,600，三人團報價 $3,000/1 人。
課程人數最多 30 人為主，最低開班人數 10 人。

🎁 立馬去購票 🎁

https://www.accupass.com/event/1911150750032715966110

❓有任何問題，請聯繫 Phini Yang (Mail)

TEM 區塊鏈基礎教育第三階段 — 跨出工程師只會寫 Code 的既有框架 was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.

👏 歡迎轉載分享鼓掌

高小／初中預約試堂表格 ► https://forms.gle/3mABQFBrFpqawRTQ8

【時間表】

=== 高小英語 ===
• 星期二 / 4:30 – 6:00 pm（由 Miss Judy 任教）
• 星期六／3:30 – 5:00 pm（由 Miss Popsy 任教）

=== 初中英語 ===
• 星期六／12:00 – 1:30 pm（由 Miss Popsy 任教）

【課程特色】

• 根據芬尼（Miss Tiffany）設計課程、課題和練習教授
• 每月均設有寫作練習
• 每月集中講解一個文法課題
• 兼顧學校進度和學習興趣
• 富互動的學習方式
• 學生上課時需常開口講英語，不會只懂寫不懂講

【課堂形式】

• 文法 （15-30 分鐘）
• 寫作（45-60 分鐘）
• 電影/音樂/遊戲（15分鐘）

【導師資料】

=== Miss Judy ===
• 九十後
• 港大校友（社會科學院 / 法律學院 政治與法學系 Government and Laws）
• 超過10年語文教學經驗
• 精通中英文和西班牙文，會考高考中英均奪 A
• 曾在歐洲歷史最悠久大學薩拉曼卡大學修畢拉丁美洲研究碩士
• 西班牙研究文憑
• 擅長引導學生發現語文的邏輯性和趣味性
• 學匯研習現任學術總監

=== Miss Popsy ===
• 九十後
• 港大校友（文學院藝術系）
• 超過10年教學經驗
• 高考口語奪 A，IELTS 奪 8.5 分佳績
• 資深英語教學 Facebook page 經營者
• 除了教授英文，也有教授電腦美術設計經驗
• 性格活潑跳脫，能和學生打成一片

【範例筆記】http://bit.ly/2G3D2nt

【課程大綱 (Grammar Topics) 】http://bit.ly/2LEBKmC

高小／初中預約試堂表格 ► https://forms.gle/3mABQFBrFpqawRTQ8


▍成人英語再起步

簡介 video ► https://youtu.be/3-Sx5JwjokU

開班日期、詳情及報名表格 ► http://bit.ly/成人英語再起步
月曆 ► http://bit.ly/fla-adult-calendar

▍中、小學常規班
課程資料、時間表 ► http://bit.ly/fla-timetable


訂閱與芬尼學英語 ► http://bit.ly/flayt-sub

喜歡我們的短片嗎？到 Patreon 支持我們！ ► http://bit.ly/fla-patreon
歡迎提供字幕 :)

▍播放清單：
今天只學一個字 ► http://bit.ly/2DRQPgE
名人英語 ► http://bit.ly/2EUc8QO
語文知識 ► http://bit.ly/2GzuW8b
Word Pairs 怎樣分 ► http://bit.ly/2hS1MCF
時事英語 ► http://bit.ly/2RqrMok
品牌名學英語 ► http://bit.ly/2qd3mUq
朗誦節特訓 ► http://bit.ly/2PBqZno

▍更多學習資源：
● 加入 Finnie's Facebook 群組：http://bit.ly/flafbgp
● 訂閱電子報：http://bit.ly/fla-nl
● 下載免費學習資源：http://bit.ly/36VhrYS

▍Follow 芬尼：
● Blog: http://bit.ly/fla-blog
● Facebook: http://bit.ly/fla-facebook
● Instagram: http://bit.ly/fla-instagram
● Pinterest: http://bit.ly/fla-pinterest

Free stuff!!! :)
● Use my iHerb Discount Code: ASC7218
● Sign up at AirBnb and get HKD$290 in travel credit: https://www.airbnb.com/c/tiffanys213
● Get a FREE first Uber ride (up to HK$50): https://www.uber.com/invite/tiffanys2213ue
● Get TWO months of free SkillShare premium:
https://skl.sh/2IIHhr8
● Get HKD$60 off your next order at Foodpanda: https://fdpnda.app.link/tB3PF2LhZV
● Get HKD$100 of credit to spend across your next 4 orders at Deliveroo: https://roo.it/tiffanyccs
● Get HKD$100 off your order at NOSH:
TIFH437

雖然試算表軟體是因應商業應用而發展的，但在科學上已廣為應用，而「商業智慧」軟體(BI)是另一個適合做科學應用的工具。越早熟悉BI軟體的使用，就能越早利用大數據。面對大數據的分析，需要先利用視覺化分析找到線索後，再找證據驗證想法。所以中研院統計所的陳君厚所長曾說「學習可以做什麼，有助於在資料分析的過程中達到事半功倍的效果」。請跟著我們一起來透過實際操作，體驗如何做「探索式資料分析(ExploratoryDataAnalysis)」吧！
本次課程將分成基礎與進階訓練，課程中將會使用全校免費授權使用的PowerBI工具。利用其內建的視覺效果及自訂視覺效果群組，讓您可以建立出色的報表。
日期：2017年8月16日及8月23日（星期三）下午13:30~16:30
地點：陽明大學圖資大樓4樓401室電腦教室(座位50位)
課程簡介：認識大數據、大數據分析、資料視覺化、分群、預測與發布結果，讓數字說話，提升管理品質，有效提升工作效率。
內容大綱：
8/16(三)生醫大數據分析-基礎訓練
1.認識PowerBI、
2.連接到數據、
3.可視化分析、
4.繪製地圖、
5.新增欄位、
6.儀表板201
8/23(三)生醫大數據分析-進階訓練
1.可視化分析
2.計算入門
3.分群、預測與管理
4.儀表板
5.視覺效果
6.分群
7.預測
8.發布與分享成果

雖然試算表軟體是因應商業應用而發展的，但在科學上已廣為應用，而「商業智慧」軟體(BI)是另一個適合做科學應用的工具。越早熟悉BI軟體的使用，就能越早利用大數據。面對大數據的分析，需要先利用視覺化分析找到線索後，再找證據驗證想法。所以中研院統計所的陳君厚所長曾說「學習可以做什麼，有助於在資料分析的過程中達到事半功倍的效果」。請跟著我們一起來透過實際操作，體驗如何做「探索式資料分析(ExploratoryDataAnalysis)」吧！
本次課程將分成基礎與進階訓練，課程中將會使用全校免費授權使用的PowerBI工具。利用其內建的視覺效果及自訂視覺效果群組，讓您可以建立出色的報表。
日期：2017年8月16日及8月23日（星期三）下午13:30~16:30
地點：陽明大學圖資大樓4樓401室電腦教室(座位50位)
課程簡介：認識大數據、大數據分析、資料視覺化、分群、預測與發布結果，讓數字說話，提升管理品質，有效提升工作效率。
內容大綱：
8/16(三)生醫大數據分析-基礎訓練
1.認識PowerBI、
2.連接到數據、
3.可視化分析、
4.繪製地圖、
5.新增欄位、
6.儀表板201
8/23(三)生醫大數據分析-進階訓練
1.可視化分析
2.計算入門
3.分群、預測與管理
4.儀表板
5.視覺效果
6.分群
7.預測
8.發布與分享成果