富盈數據的自動化廣告業務

蕭閔云，拚到頭髮都白了！鴻海子公司富盈數據贏得波波黛莉、泛科學青睞，數位時代，2019.01.11

有別於一般數位廣告賣網站版位、賣受眾，富盈數據透過語意分析，將代管的1,600 個網站內容進行貼標，每一個網頁，都會依據其內容被標上不同的標籤，也就是說，每一條網址，都會有屬於自己的 tag。 

因此，以「電腦王阿達」的網站為例，電腦王阿達不會被籠統地歸類為 3C 類廣告投遞標的，而是每一篇文章根據不同主題，都被貼上不同標籤，當客戶要投放廣告時，他挑選的是內容跟 3C 相關的網頁而非網站，廣告自然就能出現在與網頁內容高度相關的位置。 

「以前廣告評估三件事：曝光、點擊、瀏覽，但這三個都不是關鍵，」陳顯立說，「因為廣告、行銷的目的是成效，所以根本不是曝光、點擊跟瀏覽，而是『自然且有興趣、有意願的瀏覽』。」... 

在陳顯立看來，廣告業運用的機器學習技術，永遠無法訓練出一勞永逸的模式，「因為生活型態會改變、年齡改變、工作會改變，只要這些改變了，行為就通通都變了，所以人家說 AI、機器學習會找到一個 pattern，然後就可以一直用，沒有這回事，永遠找不到，所以每天都是新的挑戰。」 

但挑戰的另一面，也是富盈的最大優勢，「壞處是沒有 pattern，pattern 要不斷建立，但好處就是，你無法離開我，這很像吃毒品，有創投就說我們的商模是一旦用了就離不開了。」

AI 醫療大未來

李友專，AI 醫療大未來：台灣第一本智慧醫療關鍵報告，好人出版，2018

這幾年AI 捲土重來，在許多產業掀起革命，也有不少科技業者嘗試跨入醫療領域。就醫療而言，應用AI 早已經不是「想不想」的問題，而是非做不可，也不能再等了。 

台灣已經邁入高齡社會，隨著人口老化，我們需要投入的醫療資源越來越多；加上少子化影響，人力資源短缺，醫護人員得照顧的病人越來越多，每個人能被分配到的資源變得稀少又難得，這些問題該怎麼解決？ 

如果能夠徹底運用AI 的偵測、預測與預防的技術，就有機會解決長照及其他醫療的重大問題。AI 已成為醫療必要的基礎建設，投資AI 就是投資自己和子子孫孫健康的未來。 

這本書將帶你認識醫療AI和你有什麼關係？了解最新的醫療ＡＩ科技，是你未來健康的保障。 

本書特色
1.    全台第一本討論醫療AI趨勢專書，不同一般產業分析觀點，而是與讀者分享來自醫療第一線的觀察，實屬難得。 

2.    作者李友專同時擁有醫學與資訊雙項專業，20~30年前即投入醫療ＡＩ臨床研究與應用，是臺灣醫療AI先驅，經常奔走國際推廣臺灣經驗，也促成多項國際合作並屢獲殊榮肯定，其影響力不言可喻。 

3.    每個章節可獨立成篇閱讀，對於不熟悉醫療AI領域的一般讀者，不會有閱讀壓力。文末的「醫療AI討論區」專欄也提出更多個人觀點與觀察。

用數據分析鳥瞰 PTT 政治文帳號

王銘宏，「抓到了？！」用數據分析鳥瞰 PTT 政治文帳號 (上)，2018/10/12
王銘宏，「抓到了？！」用數據分析鳥瞰 PTT 政治文帳號 (下)，2018/10/12
唐筱恬，境內外網軍擂戰鼓 當心出現「通中門」，今周刊，2018-11-14 
邱學慈，PTT原始資料全揭露！「韓流」怎麼造出來的？，天下雜誌，2019-01-09

嬰幼兒的睡覺問題

女兒剛出生時， 睡前有固定的程序，例如喝牛奶、刷牙齦、講故事，然後在搖椅上抱著睡著，再放到嬰兒床。但是，半夜醒來，就想要和大人玩，不想睡。 弄得我們極為疲倦。

小兒科醫師介紹我們看一本書， 基本的觀念就是人會半夜醒來，所以要學會如何自己入睡。

訓練方法如下， 做完睡覺前的儀式後， 告訴小孩， 爸爸媽媽愛你，要好好的自己睡覺， 然後，把小孩子放在嬰兒床內。 父母走出來，拿一個計時器， 第一次讓小孩哭五分鐘； 然後，進去安慰小孩子，只說爸爸媽媽愛妳，乖乖睡， 就出來。 第二次延長為10分鐘，依此類推。 記住，小孩子衣服哭濕了，也不要換。

女兒第一天晚上 哭了45分鐘， 第二天5分鐘， 第三天唉了一聲。

 大人有睡飽 ，白天反而更有精神陪小孩子玩。書中也詳細說明各種可能狀況，例如會不會產生心裡的陰影、脫腸等等。

兒子也是用這個方法培養的，所以出生後，沒有和我們睡過一天。

如果父母擔心，可以買一個聲音監視器，了解小孩在隔壁間的動靜。

兒子小時候也是不坐嬰兒推車的， 訓練方法如上， 第一天哭兩圈，第2天哭一圈，第三天叫一聲。

如果家中有長輩，要跟他們溝通，動之以情，說之以理， 甚至會影響到上班的行車安全。某飛行員因為晚上帶小孩，沒有睡好，結果隔天摔飛機。如果真的沒有辦法，可能要找個度假村住1個禮拜。

文科生也看得懂的資料科學

沈佩誼譯，文科生也看得懂的資料科學，碁峰，2018
Annalyn Ng and Kenneth Soo  , Numsense! Data Science for the Layman: No Math Added, 2017.

雖然資料科學越來越常被用來改善工作場域的種種決策，但對普羅大眾來說，這仍然是個神祕難懂的領域。本書避開艱深的數學與生澀的術語，以直觀的例子來說明各演算法功能與特色，例如，用預測犯罪事件的例子來解釋隨機森林，用分群演算法來分析各類電影迷的人格特質等，本書所選用的例子能夠幫助讀者明確理解各演算法及實際應用，即使您不曾接觸過資料科學，也能藉由本書掌握基本概念。

第 12 章的吃角子老虎機，看不出來 Epsilon-Decreasing 策略是何意，可以參考作者的英文文章，代表探索機率 Epsilon 逐漸下降。