七月的第一天，虹安在線上參加了第十屆工程、技術與STEM教育研討會，今年主辦單位是宜蘭大學資訊工程學系、協辦單位是成功大學工程科學系、IEEE台北分會 Young Professionals Group，研討會主題為「結合跨領域的工程教育」。虹安從資訊學碩士再到機械博士，現今又在立法院服務，橫跨了三個領域，當天的演講主題是「數據科學與國家治理」，由於疫情的關係，只能在線上跟各位老朋友、學界伙伴相見。
💡 科普時間：什麼是STEM教育？
✒ STEM，是四個英文字的第一個字母結合而成--科學（Science）、科技（Technology）、工程（Engineering）、數學（Mathematics）--是近年相關產業最喜歡用的關鍵字，歐美也有許多STEM教育的相關計畫，希望未來教育能從「知識傳遞」進化為「學以致用」，著重於科學、科技、工程、與數學的跨領域資訊整合，使知識成為可用資源的思維。
虹安首先以自身的學習、工作經歷作為開場，就讀資訊工程系所時的虹安，也跟你我的學生時期一樣，熬夜寫程式debug、拼命K書📚、做研究；到了機械博班的階段，要在博士班的過程一口氣弄懂機械系學生四年學到的內容，結合自身的資工背景，激發出insight 💡變成博士論文。過程中也曾經怨嘆過為什麼想不開，為什麼要跨領域讓自己這麼累；再到了科智的創業時期，獲得了 #全球創業賽第一名 的殊榮，跨領域的學習逐漸展現出成果；接著又到了鴻海集團擔任工業大數據辦公室主任貢獻所學，同時也擔任郭台銘創辦人的特助，命運的際遇讓我來到了立法院擔任第十屆立法委員。這次跨離了工程領域，虹安仍然戰戰兢兢，但過往累積的經驗與能量，使我能把立委的角色擔任好，虹安的大數據專長讓我問政時更能以事實和邏輯分析為根據，以數據避免政治口水，也為立院帶來了不同的科技思維。
#而且立院的同事跟科技業的很不一樣
接著，虹安以「數據思維的重要性」作為切入，說明了零售業龍頭Amazon建立了「線下」實體通路的用意是什麼、又如何決定什麼商品該在架上展示，現今的一切，不再用經驗法則決定，而是 #大數據驅動的結果，「妥善用數據分析就能看到別人看不到的價值」。在2011年，發源於辛辛那提的奇異(GE)公司，發表了GE Industrial Internet System，舉例說明了 Product (or Service) Data Life Cycle，強調了數據收集、數據比對與分析、決策改善等三個要素的Life cycle，這Life cycle適用於各領域的大數據分析和應用，重點是，以數據驅動需求的首要原則是：From gut feeling To data agility，將主觀意識下有限的數據來源，轉變到客觀心態下更大更完整的#開放式數據來源，如此一來，養成數據化的工作模式，就能得到洞察數據敏感力，看到別人看不到的價值。
而在 #國家治理方面，虹安舉了去年質詢陳時中部長的 #口罩地圖 為例，說明了大數據分析用於口罩分配的成果😷，並可解決城鄉口罩用量不同的物流輸送問題，使每個需要的人都可以買到口罩。各縣市的口罩分配不應該只是齊頭式平等；而我用的方式，就是上述的「數據收集、數據比對與分析、決策改善」三要素；虹安才能以明確的數據質詢蘇院長，7600萬片口罩到底去了哪裡。除此之外，虹安在立院密切關注的，還有 #數位發展部 的成立。數位發展部源自國家對於數位科技產業及發展的重視，成立數位發展部以進行國家數位發展政策之規劃、協調、推動與法規擬定及執行，並著重國家資通安全政策、法規、重大計畫與資源分配之擬定、指導及監督，這會是虹安在立院第四個會期的重要工作項目。
值得一提的是，會後教授們的提問十分精闢，虹安大致整理如下：
①女性工程師的教育環境、社會支持的情況
②科研成果的產出，凝聚成政策推動的的能量，再從政策回到高等教育的增進，形成正向循環的方式
③數位發展部的角色對於高等教育的影響，是否與科技部/國科會有所不同
很謝謝學界朋友的交流，這次的演講讓我暫離政治圈回到本業，虹安將會從這些面向進行研議與推動，希望我的分享也能給予學界跨領域的交流與互動。
#回歸自己的本業既熟悉又開心
#跨領域最難的是要花很多時間讀書
#想了解虹安的歷程可看面試郭台銘
應用數學系學什麼 在 Re: [問題] 數學系？ - 看板SENIORHIGH - 批踢踢實業坊 的美食出口停車場
※ 引述《red0210 (紅 月 餅)》之銘言：
: 我有一些疑問~
: 我有聽過，數學和應用數學可以轉到資工領域
: 那數學系跟應用數學系有什麼差別呢??
: 又這三個系彼此有什麼優勢??(如果將來是要寫程式的話)
這類的文章我以前寫過了...不過我倒是可以講講應數根純數的差別。
其實台灣的數學系並沒有真的應用數學，台灣的應用數學主要就是有
統計類，數值計算。近幾年來台大跟交大開始有了金融數學。這算是
應用數學得起步。因為光作統計跟數值計算，演算法之類的並不能被
稱為應用數學。所謂的應用數學應該是用數學去解決實際的問題的領
域，當然你也可以有屬於你自己對應用數學的概念。
我大學是讀應數，研究所讀純數，博士班讀應數。我修完了所有應數
跟純數都需要修的課。所以我可以稍微客觀的分析ㄧ下應數跟純數的
差異。但說實話，我個人覺得一點差異都沒有，如果真的要說有差異，
可能要到了研究所，或是博士班才能夠感受的到。然而讀大學時數學
的差異大概就是修的課不同，如此而已。應用數學所修的數值計算也
是需要證明，更別說機率跟統計了，所以即使你修了應數的課，也是
強調證明。有些數值分析的老師會要求你寫一點程式。然而寫不寫程
式基本上跟你是甚麼科系沒關係，寫程式就是個人的修練，即使你不
念資工相關的，可能你也需要寫程式的能力。
所以讀應數的出來之後，會不會也開始學會寫程式了呢?個人覺得不ㄧ
定。
我想回應ㄧ下前面Winjun學弟說的，其實跨領域本身本來就非常辛苦。
因為你必須同時兼顧兩個不同領域的學習，ㄧ不小心很有可能就會兩邊
都沒學好。所以給各位高中生一個警惕:
別把數學系當跳板，想說來了之後就在轉出去。通常能夠轉出去的都是
非常少數的人。更多人在大學四年之後沒了學習的耐性，連對自己基本
的自信都沒有。
讀數學系的好處在哪?可能就在看到數學式子的時候比較不會害怕，可能
會比別人更有多一點的sense。
但不管你做甚麼樣的選擇都應該努力的去做自己想做的事情。
不過有個很有趣的現象是，不同領域的人都告訴我去作他們的領域。
財工的碰到我叫我轉財工，土木的碰到我叫我轉土木，電機的碰到我
叫我轉電機。理由只有一個，就說我數學好。
為何我會說台灣的應用數學不算是真的應用數學呢?因為應用數學不應當只局限於
作數值計算，數值計算只是研究模型的一個工具而已。
我在美國看到的應用數學領域(就我光我系上而言)
有組合學，有機率論隨機過程，數學物理，偏微分方程，生物數學，
流體力學及大氣科學。
生物數學並不是數學的模形，而是與我們學校的醫學系共同合作的的研究團隊。
包含研究大腦，細胞，DNA等等。我自己現在的數值偏微分方程的老師就是在研究
生物體內的流體現象。所以他們研究的是實際從生物體所得到的模形，不是開發
純理論而已。
大氣流體現象與NASA合作。例用流體力學研究大氣科學。氣流的穩定等等。
隨機過程跟機率論，除了有應用在財務數學上面，也應用在在物理的世界中。
如量子物理跟光學等。
就講一門課微分方程。本系的微分方程就有趣多了。在台灣的時候，大概就是學
怎麼解ODE，存在唯一性定理。可是本系的ODE是從實際的方程是著手，不重於微
分方程怎麼解，更著重於定性分析。例如動態系統的穩定性理論。上課的例子有
來自物理的"Equation of Motion"，也有來自生態系統的Voterra-Model，也有
來自化學的化學反應的方程，還有來自於生命科學蛋白質演化的模形。
說到這裡，也想到了一點。台灣的數學系看不到有趣跟有用的數學，是因為很多人
在大學畢業之後就轉了領域，也不會想到繼續出國深造。而"強者"很多都只願意把
時間貢獻在理論數學上面，這是相當可惜的。
近幾年來，因為科技的高速發展使得數學的領域變得更加豐富。可惜的是台灣沒有
甚麼人出國來學這些有趣及有用的數學。大概在台灣就被打擊的很慘了。
跟我一起來讀博士的剛好有ㄧ個交大應數畢業的學弟。他大學的時候就是雙主修資
工。他寫程式的能力當然不在話下，基本上我寫程式都向他請教。交大跟清華的數
學系訓練就截然的不同，沒有說哪一個比較好哪一個比較差。基本上我門兩個都是
相互合作，就是各取所長。
所以我個人會建議是，就是發展自己的特長。每樣東西都要知道但不要要求自己要
專精，因為這是不可能的。並且讓自己具有團隊合作的能力，例用自己在數學系學
到的專長去幫助別人解決問題。
也不用期望自己會在數學系的每一門課都學很好，盡力就好。就算你每科都拿九十
分以上也不代表你比別人更會解問題。
說了那麼多...反正就是不管你念甚麼，都要朝著自己的興趣發展，如果不知道自己
的興趣在哪，就是上了大學再找吧。
可是要知道，往興趣這條路走，一點也不簡單也不容易。
ps:這篇文章的重要目的就是鼓勵大家將來有機會出國讀書。
大學的時候把GPA搞好一點。出來看看，會有不同的感受。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 169.237.31.229
※ 編輯: herstein 來自: 169.237.31.229 (10/24 10:21)
... <看更多>