2017年台灣巨量資料(大數據)、資料科學家相關課程

很快的新的一年又開始了，筆者已經持續整理資料科學相關課程長達三年，今年也一樣整理相關課程與上課時間給有需要的朋友查詢。

工研院

• 巨量資料資料分析自動化設計-NoSQL(Cassandra)資料庫系列(2017/03/07~2017/03/08)
• 巨量資料資料分析自動化設計-R實務應用進階課程 (2017/04/13~2017/04/14)
• 巨量資料資料分析自動化設計-製造業專題系列 (2017/05/11~2017/05/12)
• 巨量資料之智慧金融服務設計與分析 (2017/05/16~2017/05/17)
• 巨量資料資料分析自動化設計-Python系列 (2017/06/05~2017/06/06)

資策會

• Big Data資料分析二部曲-R軟體與資料探勘 (2017/03/18~2017/03/19)
• 文字資料探勘實作班 (2017/04/29~2017/04/30)
• Big Data之處理與分析(Hadoop)進階班 (2017/07/15~2017/07/16)
• Big Data資料分析首部曲-R軟體實作 (2017/05/15~2017/05/16)
• Python資料探勘實作 (2017/04/15~2017/04/16)
• Big Data之處理與分析(Hadoop)實務班 (2017/06/10~2017/06/11)
• Elasticsearch分散式系統實務班 (2017/03/04~2017/03/05)
• Spark巨量資料分析實務班 (2017/04/15~2017/04/16)
• Big Data資料分析三部曲-R軟體與資料視覺化 (2017/03/25~2017/03/26)
• R軟體與網頁資料擷取應用 (2017/06/10~2017/06/11)
• 文字資料探勘實作班 (2017/4/29~2017/04/30)
• Big Data資料分析三部曲-R軟體與資料視覺化 (2017/03/25~2017/03/26)
• Big Data之處理與分析(Hadoop)進階班 (2017/07/15~2017/07/16)
• R軟體與串流資料分析 (2017/05/20~2017/05/21)

中國生產力中心

• 掌握市場脈動數據分析大解密 (3/24、5/12、7/14、10/20)
• 預測管理與分析 (5/19、7/25、9/15、11/10)
• 大數據於C2B的應用 (4/14、6/23、8/25、10/24)
• 物聯網與大數據整合應用下的產業機會 (3/17、6/30、9/22、11/24)

三星課程網

• 網路爬蟲技術Python入門實作 (2017/02/18~2017/02/19)
• 大數據資料採礦實作 (2017/03/18~2017/03/19)

臺灣資料科學協會

• 資料探勘速遊 (2017/01/14)
• 給工程師的統計學及資料分析 123 (2017/01/14)
• 手把手教你 R 語言資料分析實務 (2017/01/14)
• 手把手的深度學習實務 (2017/01/15)
• 使用 R 語言建立自己的演算法交易事業 (2017/01/15)
• 人類行為大數據分析：資料科學如何應用在教育及醫療領域 (2017/01/15)
• 智慧城市中的時空大數據應用 (2017/02/11)
• 製造資料科學：從預測性思維到處方性決策 (2017/02/11)
• Machine Learning 機器學習課程 (2017/02/12)
• 手把手的深度學習實務 (2017/02/12)
• 統計學家教你穩紮穩打 R 語言資料分析 (2017/02/11~2017/02/12)

筆者整理這幾年來有發現一些心得，關於大數據或資料科學家課程，有越來越多元化的趨勢，另外除了資策會與工研院有長期開課之外，有不少新的公司或團體也有類似的課程出現，像是臺灣資料科學協會、中國生產力中心、三星課程網。

以上 如有遺漏 歡迎留言告知。

歷年資料參考：

2016年台灣巨量資料(大數據)、資料科學家相關課程
2015年台灣巨量資料(大數據)、資料科學家相關課程

2014年台灣巨量資料、資料科學家相關課程

「2016 台灣資料科學愛好者年會」精彩資料總整理(持續更新中)

這幾天(2016/7/14 ~ 2016/7/17)資料科學界在台灣最重要的活動，莫過於2016 台灣資料科學愛好者年會，這已經是每年在台灣資料科學界最大的活動之一，今年的票也是不到一小時就幾乎賣光，對這個活動的歷史有興趣的朋友們可以參考「2015年」、「2014年」，今年的主題相較去年，更有趣，更多元、更多產業上的案例。

除此之外，筆者也發現贊助的公司也變得相當的多，今年贊助公司包含國泰人壽、東森信息科技股份有限公司、玉山金控、funP 雲沛創新集團、HTC、台灣 IBM、新加坡商鈦坦科技 TITANSOFT、潮網科技、Vpon 威朋、宇匯知識、勤業眾信、遊戲橘子、GMobi通用移動、Google、艾肯娛樂、宣捷生物科技、MIGO 功典、Mozilla TW、天氣風險、琅茶，從中我們可以發現不只資訊公司，也包含其他產業的公司，像是生物研究、天氣、會計，甚至是金融業都來加入，整體上台灣資料科學發展的凝聚力，在今年又更上一層樓。


今年筆者一樣秉持著自己也是資料科學愛好的一份子，將今年的資料科學活動內容整理如下，供自己與有興趣的朋友們參考：

1. 2016台灣資料科學年會開場投影片
2. Riot Games Head of Data Science
3. 用數據解決都會城市的停車問題
4. 隨機對照實驗在公共領域的應用
5. 數據分析在運輸管理之應用
6. 大數據下的情緒分析
7. 一個賭徒的告白 2：交易策略建構與分析，為何你該賭小一點？
8. 從薪酬制度讀 CEO 的行為心理學 
9. 自己的空氣品質自己量 : 談參與式環境感測的機會與挑戰
10. 如何備料：資料的抓取、清理以及串接
11. 黃從仁/心理與行為資料中的因與果
12. 資料科學與防疫應用的結合 : 以登革熱防治為例
13. 資料分析前的奏曲 : 談資料收集的挑戰
14. How to approach data science problems from start to end
15. 未來城市的任意門 (Mobility on Demand for Future Cities)
16. 人類行為訊號處理 : 跨學科 (醫療、教育、心理) 應用實例分享、心得、展望
17. 從手機解讀行為與心理
18. Crowd Computing for Big and Deep AI
19. 智慧型工程管考系統 : 資料分析經驗談
20. 音樂資料檢索
21. 當語音處理遇上深度學習
22. 公私協力的公共服務 - 以資料面詮釋
23. 從電腦視覺看人工智慧 : 下一件大事
24. 我在智慧交通資料解析的失敗歷程
25. It's Not What You Say: It's How You Say It!
26. 貓都學得會的手機維修資料分析
27. The Growth of a Data Scientist
28. Practical Issues in Machine Learning
29. 沒有大數據怎麼辦 ? 會計師事務所的小數據科學
30. Feature Engineering in Machine Learning
31. 漫談 R 的學習挑戰與 R 語言翻轉教室
32. 娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用
33. 空間數據分析推動精準新農業
34. 世代之爭爭什麼 ? 談談如何從調查資料挖掘出豐厚的意義
35. 資料視覺化的 20 個小訣竅

相關新聞：

1. 陳昇瑋：2016是臺灣資料科學啟動元年，不再只聽，今年真的動起來了
2. 大數據會消失，資料科學不會！你該知道的資料科學第一堂課

其他相關資訊：

1. R 語言資料工程及探勘實務共筆

2016年台灣巨量資料(大數據)、資料科學家相關課程 (更新時間2016.07.17)

很快的新的一年又開始了，筆者已經持續整理資料科學相關課程長達兩年，今年也一樣整理相關課程與上課時間給有需要的朋友查詢。

工研院

• 資料探勘與R軟體應用實務(2016/02/23~ 02/24)
• 巨量資料分析應用與實作班(2016/03/09、03/16、03/23)
• 資料探勘與文本數據實作(2016/3/14、3/15)
• 巨量資料分析智慧製造應用~設備故障預診斷與健康管理系統(2016/05/26、05/27)
• 大數據BigData於Excel資料智慧分析應用培訓班(2016/08/28~09/11)
• 使用專利大數據分析建立專利地圖之實務研習班(2016/08/16~08/17)
• 雲端ERP系統結合物聯網及大數據之應用(2016/10/05~10/07)
• 工業4.0的核心-大數據與小數據的分析(2016/10/25~10/25)
• 物聯網時代的大數據智能應用專題演講(2016/08/22~08/22)
• 巨量資料分析智慧製造應用~設備故障預診斷與健康管理系統(2016/09/29~09/30)
• 巨量資料分析應用與實作班(2016/08/09~08/23)

資策會

• Big Data資料分析二部曲-R軟體與資料探勘(2016/1/30~1/31)
• 文字資料探勘實作班(2016/2/20、2/21)
• Big Data之處理與分析(Hadoop)進階班(2016/2/20~2/21)
• Big Data資料分析首部曲-R軟體實作(2016/3/5、3/6)
• Python資料探勘實作(2016/3/12、3/13)
• Big Data之處理與分析(Hadoop)實務班(2016/3/12~3/13)
• Elasticsearch分散式系統實務班(2016/3/19、3/20)
• Spark巨量資料分析實務班(2016/3/26、3/27) 
• 視覺式資料探勘實作(2016/3/26、3/27)
• Big Data資料分析三部曲-R軟體與資料視覺化(2016/3/26~3/27)
• R軟體與財金資料分析(2016/4/9、4/10)
• R軟體與網頁資料擷取應用(2016/4/16、4/17)
• Spark Streaming巨量資料串流分析實務班(2016/4/23、4/24)
• 巨量資料分析-使用RHadoop
• 文字資料探勘實作班(2016/7/23、7/24)
• Big Data資料分析三部曲-R軟體與資料視覺化(2016/ 7/23~7/24)
• R軟體與網頁資料擷取應用(2016/7/30、7/31)
• Big Data之處理與分析(Hadoop)進階班(2016/8/6、8/7)
• R軟體與財金資料分析(2016/8/13、8/14)
• R軟體與串流資料分析(2016/8/20、8/21)
• Big Data資料分析首部曲-R軟體實作(2016/8/27、8/28) 
• Python資料探勘實作(2016/9/3、9/4)
• Elasticsearch分散式系統實務班(2016/9/3、9/4)
• 視覺式資料探勘實作(2016/9/24、9/25)
• Spark巨量資料分析實務班(2016/9/24、9/25)
• Big Data資料分析二部曲-R軟體與資料探勘(2016/10/15、10/16)
• 巨量資料分析-使用SparkR (2016/10/15、10/16)
• Big Data之處理與分析(Hadoop)實務班(2016/10/29、10/30)

MIC產業顧問學院

• 大數據分析與數位行銷技能精修班(2016/3/15~2016/3/29)

SAS

• SAS教育訓練

三星課程網

• 資料治理與大數據分析(2016/1/17)
• Big Data大數據採礦分析R語言教學(2016/1/23-1/24)

木刻思

• 2016「資料科學首部曲－數據甦醒」(2016/01/27~01/28)

東吳大學

• 大數據分析基礎與應用-挖資料的金礦(2016/3/2~4/27)

文化大學

• 大數據行銷(2016/01/29)

歷年資料參考：

2015年台灣巨量資料(大數據)、資料科學家相關課程

2014年台灣巨量資料、資料科學家相關課程

R語言從「初學」到「進階」到「跨界」的32本書籍推薦

R語言一直是數據分析界的熱門語言，也因此R語言相關的書籍也相當的多。筆者在學R的過程也看過許多R語言的書籍，筆者也收集相當多的R書籍，但大多參差不齊，有些寫得很好，有些則寫的較為艱澀，最近看到網路上大家在討論由淺入深的學習參考書籍，因此筆者也想做個小整理，包括初級、中級、高級，以及相關領域，內容如下：

[初級]

適合完全不懂R看的書，前三本都是值得參考。

• An Introduction to R
• R語言的官方書籍。
• R in action
• 這本書是Quick-R網站的作者，可參考網站上的程式碼。
• R Cookbook
• 這本書把R的概念解釋得很清楚。
• Learn R in a Day
• 想要一天一天學R嗎? 這本就可以參考看看
• 當然如果您有程式基礎，也可以參考swirl，用R學R。
• R For Dummies
• 這本書以非常淺的方式教您學R，就如書名，值得完全對程式沒概念的讀者閱讀。
• Introductory R: A Beginner's Guide to Data Visualisation, Statistical Analysis and Programming in R
• 這本書的作者是來自瑪麗王后學院的化工系的研究者，內容也是相當容易上手。

[中級]

適合對R有初步認識的讀者，前三本都是值得參考。

• Statistics with R
• R有豐富的統計套件，這本可以幫助您對R與統計有初步連結，這本書作者目前是德商德意志銀行(Deutsche Bank)的量化研究副總。
• The R book
• 這本由英國倫敦帝國學院的植物生態學名譽教授寫的，已經出到第二版。
• R Graph Cookbook
• 這本書把R的繪圖功能描述的非常清楚，作者是RStudio的開發者之一。
• The Art of R Programming: A Tour of Statistical Software Design
• 這本書提了很多應用，像是R+Python整合、平行運算R等，是從工程來用R的角度，作者是加利福尼亞大學戴維斯分校 的資料科學系教授。
• R for Everyone: Advanced Analytics and Graphics
• 這本書也是整合了許多R的套件的書籍，作者背景是念藝術與統計，內容難度筆者認為偏中階。

[高級]

想挑戰R的技術的讀者，三本都非常推薦。

• Advanced R
• 這本書提了很多R進階的撰寫技巧，作者目前是RStudio首席資料科學家。
• Statistical Computing in C++ and R
• 畢竟R還是高階語言，許多效率的改善還是要去參考C++跟R整合的部分。
• R Packages
• 這本書是介紹如何撰寫R Packages的技巧，以及R套件與R核心整合的內容，適合非常熟悉R並且想開發R套件的讀者，與Advanced R是同一個作者。

[資料視覺化]

• R Graphics
• 經典的繪圖方式都在這本呈現，必須一讀，作者是奧克蘭大學的統計系教授。
• ggplot2: Elegant Graphics for Data Analysis
• ggplot2是一個非常有名的資料視覺化套件，值得學習。這本書與Advanced R、R Packages是同一個作者Hadley Wickham(他真的很猛)。
• Lattice：Multivariate Data Visualization with R
• 另一個知名繪圖套件，至於他與ggplot2比較您可以參考連結。

[網站應用]

• Web Application Development with R using Shiny
• R Shiny是非常知名的Web + R的應用，作者是從事跟醫療信託有關。
• 當然如果您對R很熟，筆者會建議您直接到Shiny首頁直接使用比較快。

[統計學]

• The Elements of Statistical Learning
• 這本是經典書籍，被引用超過兩萬次，是一位史丹佛統計學教授撰寫。
• An Introduction to Statistical Learning
• 這本來自南加大資料科學教授、華盛頓大學的生物統計教授、史丹佛大學的生物醫學教授、史丹佛大學研究公衛的教授撰寫，內容包含許多統計應用，也值得閱讀。

[計量經濟學、金融]

• Econometrics In R
• R官方初學參考書籍。
• Applied Econometrics with R
• 計量經濟學與R的進階書籍，作者群來自經濟與統計的教授。
• Time Series Analysis and Its Applications: With R Examples
• 這本經典書籍已經出到第三版，裡面有許多時間序列分析方式與程式。
• Analysis of Integrated and Cointegrated Time Series with R
• 這個是由專家寫的書，目前在景順投信(Invesco)做基金經理，負責投資組合研究，裡面相當多實務內容。
• Analysis of Financial Time Series
• 這本書也被引用相當多，作者是芝加哥大學布斯商學院經濟與統計學系教授，裡面包含許多學術內容。
• Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective
• 作者來自量化交易背景，探討許多量化交易與R的應用。

[資料探勘]

• Data Mining with R:learing with case studies
• 這本是由rdatamining作者寫的，裡面有很多演算法的程式碼可供參考。
• Data Mining With R
• 這本書裡面有提到許多R+資料探勘的實務案例，像是預測河流海藻數。

[機器學習]

• Machine Learning with R
• 這本書提到許多機器學習的應用，作者是密西根大學的資料科學家。
• Machine Learning With R Cookbook - 110 Recipes for Building Powerful Predictive Models with R
• 這本書是台灣作者，也是筆者的好友，裡面有相當多機器學習的程式範例，適合想快速上手機器學習與R應用的讀者。

[資料科學]

• Practical Data Science with R
• 這本書的作者群是來自美國舊金山的Win-Vector LLC數據顧問公司，從資料科學來探討R。

[空間資料]

• An Introduction to R for Spatial Analysis and Mapping
• 這本來自英國里茲大學空間分析的學者，以及研究Geoinformatics的專家所撰寫，內容包含許多R應用於空間分析的介紹。

[市場研究]

• R for Marketing Research and Analytics
• 這本書介紹許多R應用在市場研究的方法，作者是來自Google的量化研究員。

其他領域結合R的書也歡迎推薦。

60本免費的資料科學書籍

資料科學(Data Science)這個名詞是近幾年非常流行的概念，它其實講的是跨領域(Interdisciplinary)的組成，這些學科包含如下：

1. 數學 (Mathematics)
2. 統計 (Statistics)
3. 化學計量學 (Chemometrics)
4. 資訊科學 (Information Science)
5. 電腦科學 (Computer Science)
6. 機率學 (Probability Theory)
7. 機器學習 (Machine Learning)
8. 統計學習 (Statistical Learning)
9. 資料探勘 (Data Mining)
10. 資料庫 (Database)
11. 資料工程 (Data Engineering)
12. 模式識別 (Pattern Recognition)
13. 視覺化 (Visualization)
14. 預測分析 (Predictive Analytics)
15. 不確定性建模 (Uncertainty Modeling)
16. 資料倉儲 (Data Warehousing)
17. 資料壓縮 (Data Compression)、
18. 電腦程式 (Computer Programming)
19. 人工智慧 (Artificial Intelligence)、
20. 高效能運算 (High Performance Computing)

資料科學領域知識包羅萬象，其中更包含特定領域知識的資料挖掘手法，因此資料科學在多個複雜學科中應運而生，既然是資料科學實驗室，就不能不推薦國外的資料科學相關書籍，以下為國外收集的免費資料科學相關書籍，不完全是新書，但希望可以協助讀者能更深入的了解這塊領域，其中幾個學科是必須知道的，像是R、Python這兩個資料科學主流語言，以及人工智慧、機器學習、資料探勘、資料庫等理論與工具書，都是進入資料科學領域的必學知識。

關於資料科學

• An Introduction to Data Science (2013)
• School of Data Handbook (2015)
• Data Jujitsu: The Art of Turning Data into Product (2012)
• Art of Data Science (2015)

關於大數據

• Disruptive Possibilities: How Big Data Changes Everything (2013)
• Real-Time Big Data Analytics: Emerging Architecture (2013)
• Big Data Now: 2012 Edition (2012)

關於資料分析

• The Elements of Data Analytic Style (2015)
• The Data Science Handbook (2015)
• The Data Analytics Handbook (2015)

關於資料科學團隊

• Data Driven: Creating a Data Culture (2015)
• Building Data Science Teams (2011)
• Understanding the Chief Data O€fficer (2015)

關於分散式分析

• Hadoop: The Definitive Guide (2011)
• Data-Intensive Text Processing with MapReduce (2010)

關於Python

• Think Python: How to Think Like a Computer Scientist (2012)
• Python Programming (2015)
• Automate the Boring Stuff with Python: Practical Programming for Total Beginners (2015)
• Learn Python the Hard Way (2013)
• Dive Into Python 3 (2009)

關於R

• R Programming for Data Science
• R Programming (2014)
• Advanced R (2014)

關於SQL

• Learn SQL The Hard Way (2010)
• SQL Tutorial 

關於資料探勘與機器學習

• Introduction to Machine Learning (2008)
• Machine Learning (2009)
• Machine Learning – The Complete Guide
• Social Media Mining An Introduction (2014)
• Data Mining: Practical Machine Learning Tools and Techniques (2005)
• Mining of Massive Datasets (2014)
• A Programmer’s Guide to Data Mining (2015)
• Data Mining with Rattle and R (2011)
• Data Mining and Analysis: Fundamental Concepts and Algorithms (2014)
• Probabilistic Programming & Bayesian Methods for Hackers (2015) 
• Data Mining Techniques For Marketing, Sales, and Customer Relationship Management (2004)
• Inductive Logic Programming: Techniques and Applications (1994)
• Pattern Recognition and Machine Learning (2006)
• Machine Learning, Neural and Statistical Classification (1999) 
• Information Theory, Inference, and Learning Algorithms (2005)
• Data Mining and Business Analytics with R (2013)
• Bayesian Reasoning and Machine Learning (2014)
• Gaussian Processes for Machine Learning (2006)
• Reinforcement Learning: An Introduction (2012)
• Algorithms for Reinforcement Learning (2009)
• Big Data, Data Mining, and Machine Learning (2014)
• Modeling With Data (2008)
• KB – Neural Data Mining with Python Sources (2013)
• Deep Learning (2015)
• Neural Networks and Deep Learning (2015)
• Data Mining Algorithms In R (2014)
• Data Mining and Analysis: Fundamental Concepts and Algorithms (2014)
• Theory and Applications for Advanced Text Mining (2012)

關於統計與統計學習

• Think Stats: Exploratory Data Analysis in Python (2014)
• Think Bayes: Bayesian Statistics Made Simple (2012)
• The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2008)
• An Introduction to Statistical Learning with Applications in R (2013)
• A First Course in Design and Analysis of Experiments (2010)

關於資料視覺化

• D3 Tips and Tricks (2015)
• Interactive Data Visualization for the Web (2013)

關於資料科學工具

• Natural Language Processing with Python (2009)
• Computer Vision (2010)
• Concise Computer Vision (2010) 
• Artificial Intelligence A Modern Approach, 1st Edition (1995)

參考資料：

http://www.learndatasci.com/free-books/

2015年台灣巨量資料(大數據)、資料科學家相關課程

今年又開始看到許多巨量資料、資料科學家的相關課程持續出現，因此筆者整理一下，條列如下，方便大家去規劃自己的學習時間：

工研院

1. 巨量資料分析應用與實作班(2015/05/13)
2. 文字資料探勘與網路資料分析實作(2015/06/02)
3. 資料探勘與R軟體應用實務II(2015/06/16)

資策會

1. 文字資料探勘實作班(2015/5/16、5/17)
2. R軟體與財金資料分析(2015/5/23、5/24)
3. Spark巨量資料分析實務班(2015/5/30、5/31)
4. 巨量資料分析-使用RHadoop (2015/6/6、6/7)
5. Python資料探勘實作 (2015/6/13、6/14)
6. R軟體與資料視覺化(2015/ 6/27~6/28)
7. Big Data之處理與分析實務班(2015/7/4~7/5)
8. R軟體實作班(2015/7/11~7/12)
9. R軟體與資料探勘(2015/7/25~7/26)
10. Elasticsearch分散式系統實務班 (2015/8/1、8/2)
11. R軟體與網頁資料擷取應用(2015/8/22、8/23)
12. Big Data之處理與分析(Hadoop)進階班(2015/10/17~10/18)

知意圖(Etu)

1. 軟體開發者的 Hadoop 第一天 (2015/05/18)
2. 資料分析者的 RHadoop 第一天 (2015/05/29)
3. 軟體開發者前進 Pig (2015/06/05)
4. 軟體開發者前進 Hive (2015/06/09)
5. 軟體開發者前進 NoSQL-HBase (2015/06/25)

智庫驅動DSP

1. A2: 資料分析進階班 (2015/5/23、24、30、31)
2. E1: 資料工程基礎班(2015/7/4、5、11、12)
3. 資料爬理析 Python 實戰班(2015/8/1、2、8、9)
4. E1: 資料工程基礎班 (2015/11/14、15、21、22)
5. 模型思考團訓班 Analytical thinking team training (2015/10/24, 25)
6. 資料工程團訓班 Data Engineer training program (E1) (2015/11/14、15、21、22)
7. 資料思考團訓班 Data thinking team training (2015/12/5、6、12、13)

巨匠電腦

1. Big Data實務分析與應用(持續開設中)

臺灣資料科學與商業應用協會

1. 2015 資料科學與產業應用工作坊 (2015/06/05)

MIC產業顧問學院

1. 大數據時代之數位行銷策略 (2015/7/29)

SAS

1. SAS教育訓練

Agilearning.IO

1. R Crawler 101

用大數據看2015年春運:百度遷徙

新年到！！新年好！！

還記得筆者去年整理的大數據春運主題「用巨量資料看春運:百度遷徙」，很快的又過了一年，這次的春運資料視覺化做的更棒更好了。

筆者去年有提到，百度遷徙是百度透過適地性服務 (Location Based Services簡稱LBS)技術，取得網民的移動資料，並整合百度地圖，做了資料視覺呈現。今年百度已經把LBS這個服務商品化，並且命名為「百度慧眼」，提供顧客行為收集與觀察。另外在基礎設施的部分，也改用了百度開放平台來做支持，讓整體的軟體效果處理更為順暢。從這樣一年的改變與觀察，我們可以發現大數據並不是一步到位，而是需要日經月累的耕耘。

我們一樣從介面設計來觀察，從最基本的時間來看，去年的時間選擇從小小的方格，變成了時間軸的概念，把時間具體做了切割，讓使用者更能直覺的選擇時間（如紅框）。

下圖中在選擇城市的地方，雖然沒做太多變動，但運輸往返的顯示效果做的更細緻了，值得一提的是數據更為精確了。

從下圖往返的數據上可以觀察到，除夕夜晚上從對岸到臺灣的人，以上海、廣州的人最多。

有趣的地方是，在時間軸上有提供折線圖，提供查詢每一天在到臺灣的人數變化。

除了豐富的遷移資訊之外，這次百度遷徙還提供了即時航班、機場熱度、車站熱度。

即時航班如下圖呈現，可以看到小型正在移動的飛機，以及該班機的細部資訊。

機場熱度的部分，則是如下圖呈現，以黃色小圓點作為機場，跳動的圓點作為熱門的機場。

如下圖所示，車站熱度與機場熱度類似，只是車站較多，黃色小圓點又更細了，跳動的圓點一樣作為熱門的車站。

最後值得一提的是，去年筆者提的建議，大部分都已經解決，尤其在手機與平板的處理上，這次系統做的更精緻了，只能說真的非常有效率。

筆者一樣做個小結論，百度遷徙的應用商業價值在於透明，透過大數據把交通資料透明化，讓兩岸商業有更多交集，像是筆者去年提的這幾點

• 兩岸旅遊業可透過這張圖了解市場，像是較具發展潛力的旅遊省份。
• 兩岸運輸業透過這張圖了解運輸動脈，像是台灣過年間較愛飛的省份。
• 可觀察到兩岸交流較為熱絡的城市，甚至是對岸在省份間較為熱絡的城市。
• 商人也可以觀察哪個城市交流最為活絡。
• 更多......

都是值得參考的。