#世紀共識 #英語講座
【從高通到台積電到聯發科】快速學好的「模組、概念化」英語學習
曾經有一位新竹的學生說,在我的課堂裡上課的感覺好奇妙。
右邊坐一個台積電工程師、左邊一個聯發科工程師、後面一個聯詠工程師重點大家幾乎都全勤,讓她覺得很不可思議。
讓大家隔天回到職場上後,「馬上」能夠 #應用、#用得出來,幫助他們 #解決問題 是我對於竹科學生上課的核心精神。不管是用英文寫 email、用英文做 conference call、還是要遠赴美國做設廠相關的訓練。
也許因為「需求被滿足」,讓他們對於英文重新燃起希望。
在對於工程師來說,「#模組化」、「#概念化」的學習方式,往往是他們最需要的。
✔︎ 為了要應用,不只學習 schedule,我們要學習
to be ahead of schedule、to be behind schedule、work around your schedule、scheduling conflict
✔︎ 為了要應用,不只學習 predict、expect,我們要學習
unexpected circumstances (沒有意料到的狀況)、projected figure (預估數字)
✔︎ 為了要應用,不只學習 I’ve continually worked on it.
我們要學習 I’m been working on it. / They’ve been trying to solve the problem. / I’ve worked on it for 6 consecutive hours.
→ 練習用簡單的「#時態」表達概念(不需要用單字)
在 5/10 (一) 晚上,我會帶來一場圍繞在模組化、概念化學習的英文搭配詞、文法公開課。 歡迎對英文有興趣但一直找不到有效的方式進步的你/妳來參加喔!
一秒報名:https://www.accupass.com/event/2104191348041801066780
時間:5/10 (一) 7:30 pm - 9:00 pm (7:00 開始入場)
地點:新竹市光復路2段295號20樓之7
(馬偕醫院對面「帝國經貿大樓」)
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「scheduling problem」的推薦目錄:
- 關於scheduling problem 在 Alexander Wang 王梓沅英文 Facebook 的最讚貼文
- 關於scheduling problem 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於scheduling problem 在 國立陽明交通大學電子工程學系及電子研究所 Facebook 的精選貼文
- 關於scheduling problem 在 コバにゃんチャンネル Youtube 的最佳貼文
- 關於scheduling problem 在 大象中醫 Youtube 的最佳解答
- 關於scheduling problem 在 大象中醫 Youtube 的最佳解答
scheduling problem 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI演算法模型於交通運輸市場應用
科技產業資訊室 (iKnow) - 何思穎、張小玫 發表於 2020年4月28日
由於大眾對汽車及駕駛員安全、運輸成本降低以及自駕車發展的關注度日益提升,導致人工智慧(AI)在運輸市場中快速成長。2017年市場價值為14億美元,預計到2023年將達35億美元,2018-2023年的複合年均成長率(CAGR)為16.5%。AI在運輸業中涉及電腦視覺(computer vision)、深度學習(deep learning)和自然語言處理(natural language processing)。
AI系統將會嵌入攝影機、雷達偵測(RADAR)感測器以及光達(LiDAR)等硬體設備,進而安裝在測試中的全自動駕駛車內,包括AI應用程式分為:人機界面(HMI)和先進駕駛輔助系統(ADAS)。AI產品分為軟體和硬體。2013-2017年以軟體主導了市場且預計2018-2023年期間也將持續主導地位,這要歸因於HMI應用程式中,軟體作為平台部署的情形成長,譬如Microsoft Azure。
交通運輸之AI演算法模型,如下:
類神經網路(ANNs)
說明:類人腦之神經網路,透過先前的經驗和變化權重的資料點(data point)來做出決策。類神經網路可以透過處理大量資料解決複雜的問題,檢測非線性關係。
用途:部份較複雜的全球定位系統(GPS)透過GPS、加速儀(accelerometer)和磁量計(magnetometer)搜集資料,利用類神經網路來決定運輸模式。類似於人類透過多個資料點的考量來「感受」距離。此外,在公共場合中應用類神經網路模型可以幫助預測公車抵達公車站的時間。
類免疫系統(AIS)
說明:該演算法的靈感來自於人類生物學,特別是人體如何對又稱為抗原的致病原(disease-causing agent)做出反應。AIS模擬了人體免疫系統的特徵抽取(feature extraction)、圖形辨識(pattern recognition)、學習和記憶。
用途:AIS在圖形辨識、異常檢測(anomaly detection)、分群(clustering)、最佳化(optimization)、規劃(planning)和排程(scheduling)。工程師利用AIS創建了即時調整支援系統,以在網路受到干擾時,幫助公共運輸網路找到解決方案。
模糊邏輯模型(Fuzzy Logic Model)
說明:模擬人類的決策制訂而來的,模糊邏輯指定資料於0到1之間的數值以展現不確定性。該系統已經使用了30多年,最適用於條件模糊且每個動作的結果都是未知的情況。
用途:模糊邏輯具有模擬曖昧且不明確的交通及運輸規劃問題的潛力,同時具備交通控制應用程式,因為模糊邏輯可以在十字路口發出時間訊號,決定汽車應該停留的時間長度。
蟻群最佳化演算法(ACO)
說明:該演算法模擬了蟻群的行為,就是螞蟻根據自己選擇較短路徑以及其他路徑的螞蟻透過費洛蒙分享經驗的選擇方式。該機制幫助螞蟻在兩點之間找尋最快路線。在電腦科學中,這個問題也被稱為旅行推銷員問題(Traveling Salesman Problem),其中一個推銷員必須拜訪X個城鎮,然後以最小的成本回到起點。
用途:蟻群演算法可以用於選擇更好的公共交通巴士路徑,也可以用於沿途接客的共乘平台,如:Uber Pool。
蜂群最佳化演算法(BCO)
說明:與ACO相似,該算法以蜜蜂的集體覓食運動為例,體現了有組織的團隊工作、協作和緊密溝通。蜜蜂在蜂巢內的運動幫助科學家最佳化汽車的移動。
用途:蜂群演算法可以用於最佳化旅行路徑,減少通勤時間、等待次數、延遲以及空氣/噪音汙染。如:AirB&B
企業合資及併購活動方面,大型汽車OEM製造商正收購具技術取向的新創產業,並且從自動駕駛卡車及其他商業用車輛切入市場。譬如,特斯拉於2017年11月推出具有半自動功能的電動卡車(semi-truck)。此外,nuTonomy Inc.、TuSimple Inc.和Nauto Inc.等新創企業也正著手製造配有自動駕駛系統的商用車和客車。因此,製造商跨業整合會越來越多及著重安全性考量的自駕車技術,正在擴展市場的進步。
附圖:圖、AI演算法模型於交通運輸市場應用
圖、AI在全球運輸市場中價值成長
資料來源:https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=16578
scheduling problem 在 國立陽明交通大學電子工程學系及電子研究所 Facebook 的精選貼文
交通大學IBM中心特別邀請到ECE Department at New York University 的 Prof. H. Jonathan Chao 前來為我們演講,歡迎有興趣的老師與同學免費報名參加!
演講標題:CFR-RL: Traffic Engineering with Reinforcement Learning in SDN
演 講 者:Prof. H. Jonathan Chao (ECE Department at New York University)
時 間:2020/01/20(一) 15:00 ~ 17:00
地 點:交大工程四館816室
活動報名網址:https://forms.gle/k5txEfTX6jM7PBR98
聯絡方式:曾紫玲 Tel:03-5712121分機54599 Email:tzuling@nctu.edu.tw
Abstract:
Traffic Engineering (TE) is one of important network features for Software-Defined Networking (SDN) with an aim to help Internet Service Providers (ISPs) optimize network performance and resource utilization by configuring the routing across their backbone networks. Although TE solutions can achieve the optimal or near-optimal performance by rerouting as many flows as possible, they do not usually consider the negative impact, such as packet out of order, when frequently rerouting flows in the network. To mitigate the impact of network disturbance, one promising TE solution is forwarding the majority of traffic flows using Equal-Cost Multi-Path (ECMP) and selectively rerouting a few critical flows using SDN to balance link utilization of the network. However, critical flow rerouting is not trivial because the solution space for critical flow selection is immense. Moreover, it is impossible to design a heuristic algorithm for this problem based on fixed and simple rules, since rule-based heuristics are unable to adapt to the changes of the traffic matrix and network dynamics. In this talk, we describe a Reinforcement Learning (RL)-based scheme, called CFR-RL, that learns a policy to select critical flows for each given traffic matrix automatically. It then reroutes these selected critical flows to balance link utilization of the network by formulating and solving a simple Linear Programming (LP) problem. Extensive evaluations show that CFR-RL outperforms the best heuristic by 7.4% - 12.2% and reroutes only 10% - 21.3% of total traffic.
Biography:
H. Jonathan Chao is Professor of Electrical and Computer Engineering (ECE) at NYU, where he joined in January 1992. He is currently Director of High-Speed Networking Lab. He was Head of ECE Department from 2004-2014. He has been doing research in the areas of software defined networking, network function virtualization, datacenter networks, packet processing and switching, network security, and machine learning for networking. He holds 63 patents and has published more than 265 journal and conference papers. During 2000–2001, he was Co-Founder and CTO of Coree Networks, NJ, where he led a team to implement a multi-terabit router with carrier-class reliability. From 1985 to 1992, he was a Member of Technical Staff at Bellcore, where he was involved in network architecture designs and ASIC implementations, such as the world’s first SONET-like Framer chip, ATM Layer chip, Sequencer chip (the first chip handling packet scheduling), and ATM switch chip. He is a Fellow of National Academy of Inventors (NAI) for “having demonstrated a highly prolific spirit of innovation in creating or facilitating outstanding inventions that have made a tangible impact on quality of life, economic development, and the welfare of society.” He is a Fellow of the IEEE for his contributions to the architecture and application of VLSI circuits in high-speed packet networks. He received Bellcore Excellence Award in 1987. He is a co-recipient of the 2001 Best Paper Award from the IEEE Transaction on Circuits and Systems for Video Technology. He coauthored three networking books. He worked for Telecommunication Lab in Taiwan from 1977 to 1981. He received his B.S. and M.S. degrees in electronics engineering from National Chiao Tung University, Taiwan, in 1977 and 1980, respectively, and his Ph.D. degree in electrical engineering from The Ohio State University in 1985.