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
機械系英文 在 [請益] 請問機械系求職英文重要嗎? - 看板Mechanical 的推薦與評價
小弟我英文程度大概只有國中程度
但是機械方面的專有名詞.原文書大致上還看的懂(搭配字典XD)
想請問以後找工作會很看重英文能力嗎?
我知道老闆當然會希望英文能力越強越好
但假設我運氣好拿到抬青椒的碩士學位
會輸給英文不錯 但中字輩畢業的嗎?
假設是應徵在台灣的工作的話...
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.224.230.242
... <看更多>