你有想過嗎？
有天學數學可以輸入數學式後，參數自動調整，讓你看到完整的3D聯合機率分配變化？
機率分配最難的，除了創造新的機率分配外，那就是看到累積機率分配與聯合機率分配。
還有多個變數經過數學組合成為新變數，兩個新變數的聯合機率分配會長怎樣？
參數改變機率分配又會如何變化？
這是「數學AI」的一部分！
在為數據建模或有創造機率分配後，接下來只是數學式還不夠，要驗證就根據參數變化下，看看機率分配所有變化！
分享完成的成果
https://m.youtube.com/watch?v=CFZurCbybw0
#技術
有天學數學可以輸入數學式後，參數自動調整，讓你看到完整的3D聯合機率分配變化？
機率分配最難的，除了創造新的機率分配外，那就是看到累積機率分配與聯合機率分配。
還有多個變數經過數學組合成為新變數，兩個新變數的聯合機率分配會長怎樣？
參數改變機率分配又會如何變化？
這是「數學AI」的一部分！
在為數據建模或有創造機率分配後，接下來只是數學式還不夠，要驗證就根據參數變化下，看看機率分配所有變化！
分享完成的成果
https://m.youtube.com/watch?v=CFZurCbybw0
#技術
YouTube
【數學AI饗宴】兩變量的數學方程式轉換成機率分配 | AI進入數學 全程AI運算 無人為干預
#AI #mathematics #statistics
沒有人能用數學式轉換成機率分配
現在數學AI可以做到
全程使用AI與電腦運算，沒有任何人為在中間干預
沒有人能用數學式轉換成機率分配
現在數學AI可以做到
全程使用AI與電腦運算，沒有任何人為在中間干預
數據分析的結果不僅能讓我們看到關鍵的數據資訊，更是支持事件或觀點的重要證據。這種證據的力量可以從諾貝爾經濟學獎得主克魯曼的一個例子中看出。他曾經以扣除了美國人民生活必需的所有項目所得的消費者物價指數年增率數字，作為美國經濟脫離通貨膨脹的證據。
當時，克魯曼的這個觀點在社交媒體上引起了廣泛的討論，他的推文被很多人留言或引用。許多留言都指出，這種做法類似於晉惠帝的何不食肉糜的情況。換句話說，如果消費者物價指數的成分被剝奪掉很多重要的民生項目，那麼這樣的消費者物價指數算出的年增率還有意義嗎？這是一個值得深思的問題。
對於從事數據分析的人來說，首先要重視的是「原始數據的代表性」。只有當數據具有良好的代表性時，分析的結果才能真實反映出事物的本質。其次，「分析方法」的使用正確性也非常重要。錯誤的分析方法可能會導致結果的偏差，甚至可能會得出完全錯誤的結論。
最後，如果需要將數據可視化，則需要選擇符合原始數據特徵的圖像格式。選擇正確的圖像格式可以更好地展示數據的特性，使人們更容易理解和接受數據分析的結果。這三個方面都是數據分析的重要環節，缺一不可。
當時，克魯曼的這個觀點在社交媒體上引起了廣泛的討論，他的推文被很多人留言或引用。許多留言都指出，這種做法類似於晉惠帝的何不食肉糜的情況。換句話說，如果消費者物價指數的成分被剝奪掉很多重要的民生項目，那麼這樣的消費者物價指數算出的年增率還有意義嗎？這是一個值得深思的問題。
對於從事數據分析的人來說，首先要重視的是「原始數據的代表性」。只有當數據具有良好的代表性時，分析的結果才能真實反映出事物的本質。其次，「分析方法」的使用正確性也非常重要。錯誤的分析方法可能會導致結果的偏差，甚至可能會得出完全錯誤的結論。
最後，如果需要將數據可視化，則需要選擇符合原始數據特徵的圖像格式。選擇正確的圖像格式可以更好地展示數據的特性，使人們更容易理解和接受數據分析的結果。這三個方面都是數據分析的重要環節，缺一不可。
#從零開始學數據分析
寫論文的研究大概就一次性結果。歸納整理過往與自己的研究結果，強調貢獻所在。
數據分析不僅僅是當下的數據進行分析，還需要持續追蹤分析。例如每月數據公布，重新加入分析。
不同於多數的可視化方式，AI數據分析在是數據經過「分析方法」後打出可視化圖。加上AI的運算與判斷，精準趨勢線或關係線就會成為觀察的基準。
同時還會有更多的數據資訊。以時間序列資料為例，時間點是重要的資訊！何時轉折？持續多久？
歷史數據的時間點抓到可以檢查過往。最近期的趨勢線可以延伸幫助看到未來。
很多人想要預測未來，但趨勢只是短時間維持，所以更重要的是當下的數據是否影響趨勢發生轉折可能的判斷！畢竟趨勢改變了就得重新再來，你說是吧？
寫論文的研究大概就一次性結果。歸納整理過往與自己的研究結果，強調貢獻所在。
數據分析不僅僅是當下的數據進行分析，還需要持續追蹤分析。例如每月數據公布，重新加入分析。
不同於多數的可視化方式，AI數據分析在是數據經過「分析方法」後打出可視化圖。加上AI的運算與判斷，精準趨勢線或關係線就會成為觀察的基準。
同時還會有更多的數據資訊。以時間序列資料為例，時間點是重要的資訊！何時轉折？持續多久？
歷史數據的時間點抓到可以檢查過往。最近期的趨勢線可以延伸幫助看到未來。
很多人想要預測未來，但趨勢只是短時間維持，所以更重要的是當下的數據是否影響趨勢發生轉折可能的判斷！畢竟趨勢改變了就得重新再來，你說是吧？
#從零開始學數據分析
你在建立數據的數學模型還是讓自己自己建立數學模型⁉️
這是個非常好的問題！直指是「你驅動數據」還是「數據驅動自己」。
傳統的做法是「你驅動數據去建立數學模型」。這點在看文獻時的研究方法就能察覺。
我在訓練兩個月看文獻後，就發現是「人」在建立數據的數學模型，然後用數據做驗證，證明這個模型好。
但從數據分析的角度來說，當時我就疑惑我這樣建模是真數據的數學模型嗎？
為什麼不放寬：我搞出一堆的數學模型通式，讓數據自己挑最符合它規律的一個？
當時哪有辦法搞一堆數學通式，光時間與精力就沒個盡頭。還要測試多少條數學通式才足夠。
這種想法只能放在心裡，直到硬體設備足夠，才能實現。
有時候數據分析不是做不到，而是要等待其他的條件到位後才能做到。
AI數據分析就是在這樣的一個契機下從2012年開始一步步打磨成型。
AI融入數據分析是讓數據自己說話，完成建模、模擬、驗證的循環流程。
你在建立數據的數學模型還是讓自己自己建立數學模型⁉️
這是個非常好的問題！直指是「你驅動數據」還是「數據驅動自己」。
傳統的做法是「你驅動數據去建立數學模型」。這點在看文獻時的研究方法就能察覺。
我在訓練兩個月看文獻後，就發現是「人」在建立數據的數學模型，然後用數據做驗證，證明這個模型好。
但從數據分析的角度來說，當時我就疑惑我這樣建模是真數據的數學模型嗎？
為什麼不放寬：我搞出一堆的數學模型通式，讓數據自己挑最符合它規律的一個？
當時哪有辦法搞一堆數學通式，光時間與精力就沒個盡頭。還要測試多少條數學通式才足夠。
這種想法只能放在心裡，直到硬體設備足夠，才能實現。
有時候數據分析不是做不到，而是要等待其他的條件到位後才能做到。
AI數據分析就是在這樣的一個契機下從2012年開始一步步打磨成型。
AI融入數據分析是讓數據自己說話，完成建模、模擬、驗證的循環流程。
分享中華大學2024年AI數據分析人才認證研習活動
非資訊專業人員或對數據分析感興趣的朋友們，掃二維碼立即參加活動
報名連結： https://x.chu.edu.tw/202407AIDAsignupxx/
#研習
非資訊專業人員或對數據分析感興趣的朋友們，掃二維碼立即參加活動
報名連結： https://x.chu.edu.tw/202407AIDAsignupxx/
#研習
這裡我要說明時間的次方不是人為識別，而是AI運算與判斷的!!!
所以這是人工智慧融入在分析方法中!!
就因為分析方法是簡單迴歸模型!!
它很簡單
它不複雜
只是運算太繁複，人需要花大量時間與精力去運算與判斷，所以才會有人工智慧!! 當然現在你也能自己慢慢算，只是別人用軟體不到一分鐘就出結果了!!
這就像海量數據在那，在沒有chatGPT出來前，你找資訊難道不是使用「搜尋」？
然後出來的海量的結果，再自己花時間慢慢篩選嗎?
後來，chatGPT還有其他AI出來了
幫你整理
幫你摘要
幫你自動化
所以「數學AI建模軟體」就是人工智慧!!這個人工智慧是讓數據自己用數學模型說話，可以告訴你數學模型的結果，告訴你更多的數據資訊!! #案例
所以這是人工智慧融入在分析方法中!!
就因為分析方法是簡單迴歸模型!!
它很簡單
它不複雜
只是運算太繁複，人需要花大量時間與精力去運算與判斷，所以才會有人工智慧!! 當然現在你也能自己慢慢算，只是別人用軟體不到一分鐘就出結果了!!
這就像海量數據在那，在沒有chatGPT出來前，你找資訊難道不是使用「搜尋」？
然後出來的海量的結果，再自己花時間慢慢篩選嗎?
後來，chatGPT還有其他AI出來了
幫你整理
幫你摘要
幫你自動化
所以「數學AI建模軟體」就是人工智慧!!這個人工智慧是讓數據自己用數學模型說話，可以告訴你數學模型的結果，告訴你更多的數據資訊!! #案例
2024年9月開始AI數據分析教學開跑！
實體課程開設在高中職和大學的選修課程。對於AI數據分析應用在時間序列資料上的內容，可以因為數據而產生分類。
例如，使用財報數據，就成為「AI財務報表分析」；使用股價，就成為「AI投資理財分析」；使用經濟數據，就成為「AI經濟分析」。
這是你在python上或其他程式軟體都不會有的功能。如果看到了，請告訴我們。軟體本身免費放在github，未經授權禁止商業使用！
從教育著手，技能傳承。原本還需要很多經驗輔助的數據分析，其實可以有更客觀且明確的訊號！
即使是高中職生，只要會看線段方向和知道斜率概念，就能開始分析數據！不需要用觀察法，還得會觀察出重點，然後還得能看圖說個「好」故事！
讓我們先從基礎的軟體使用與應用開始，再有進階課程去分析、解讀與比較！ #案例
實體課程開設在高中職和大學的選修課程。對於AI數據分析應用在時間序列資料上的內容，可以因為數據而產生分類。
例如，使用財報數據，就成為「AI財務報表分析」；使用股價，就成為「AI投資理財分析」；使用經濟數據，就成為「AI經濟分析」。
這是你在python上或其他程式軟體都不會有的功能。如果看到了，請告訴我們。軟體本身免費放在github，未經授權禁止商業使用！
從教育著手，技能傳承。原本還需要很多經驗輔助的數據分析，其實可以有更客觀且明確的訊號！
即使是高中職生，只要會看線段方向和知道斜率概念，就能開始分析數據！不需要用觀察法，還得會觀察出重點，然後還得能看圖說個「好」故事！
讓我們先從基礎的軟體使用與應用開始，再有進階課程去分析、解讀與比較！ #案例
🇹🇼未來數據模型實驗室🇹🇼
2024年9月開始AI數據分析教學開跑！ 實體課程開設在高中職和大學的選修課程。對於AI數據分析應用在時間序列資料上的內容，可以因為數據而產生分類。 例如，使用財報數據，就成為「AI財務報表分析」；使用股價，就成為「AI投資理財分析」；使用經濟數據，就成為「AI經濟分析」。 這是你在python上或其他程式軟體都不會有的功能。如果看到了，請告訴我們。軟體本身免費放在github，未經授權禁止商業使用！ 從教育著手，技能傳承。原本還需要很多經驗輔助的數據分析，其實可以有更客觀且明確的訊號！ 即使是…
2024年秋季課程已經進入尾聲
學生成果將逐一上線
人工智慧職能發展培訓隨著大數據併入人工智慧，真正了解的研發人員都知道脫胎於線性代數和作業研究等的模型被先寫入在人工智慧當中，從機器學習到強力學習再到目前推廣的持續學習。
但「科學」是求真。核心底層的模型與方法不符合「數據驅動，讓數據自己說話產生模型結果」的原則，反而是先有一套模型，然後數據導入去適配這套模型的做法，不會看到數據真實的模型樣貌。
實際上，AI數據分析方法真實面對「讓數據自己說話」的原則，各種數據適配出來的數學模型是不同的，甚至是各種的函數轉換後或者高次方函數組合。
從最根本的核心底層開始學習，理解與運用科學精神與原則，AI數據分析的學員學習到原本程式內的自動化部分是如何發生，先用人力自己訓練，並驗證，然後從中比對過去傳統知識、現行主流人工智慧與AI數據分析的差異。
雖然一學期課程不能全部學習完，只是學到14990元的基礎課程內容。但不可否認的是，學員在軟體操作和從做中學，觀察與發現一些專業知識的比對過程中，他們看到與別人不同的資訊，並且都是客觀資訊。這是他們比別人強的優勢，因為能比別人先看到人工智慧的限制與缺陷，才能改善。
雖然我們大部分都核心底層的知識理論都做了改善，反過來用人工智慧去驗證數學和統計學，但很多人並不能接受這樣，真真實實人工智慧需要的功能！這是非常遺憾的。而這些，我們讓它紮根在教學上，讓學員們可以有天發現原來他們走在前沿。縱然不是開發者，但眼界遠比開發者還高，能夠勘破其中原理和破綻，不被欺騙。
#課程
學生成果將逐一上線
人工智慧職能發展培訓隨著大數據併入人工智慧，真正了解的研發人員都知道脫胎於線性代數和作業研究等的模型被先寫入在人工智慧當中，從機器學習到強力學習再到目前推廣的持續學習。
但「科學」是求真。核心底層的模型與方法不符合「數據驅動，讓數據自己說話產生模型結果」的原則，反而是先有一套模型，然後數據導入去適配這套模型的做法，不會看到數據真實的模型樣貌。
實際上，AI數據分析方法真實面對「讓數據自己說話」的原則，各種數據適配出來的數學模型是不同的，甚至是各種的函數轉換後或者高次方函數組合。
從最根本的核心底層開始學習，理解與運用科學精神與原則，AI數據分析的學員學習到原本程式內的自動化部分是如何發生，先用人力自己訓練，並驗證，然後從中比對過去傳統知識、現行主流人工智慧與AI數據分析的差異。
雖然一學期課程不能全部學習完，只是學到14990元的基礎課程內容。但不可否認的是，學員在軟體操作和從做中學，觀察與發現一些專業知識的比對過程中，他們看到與別人不同的資訊，並且都是客觀資訊。這是他們比別人強的優勢，因為能比別人先看到人工智慧的限制與缺陷，才能改善。
雖然我們大部分都核心底層的知識理論都做了改善，反過來用人工智慧去驗證數學和統計學，但很多人並不能接受這樣，真真實實人工智慧需要的功能！這是非常遺憾的。而這些，我們讓它紮根在教學上，讓學員們可以有天發現原來他們走在前沿。縱然不是開發者，但眼界遠比開發者還高，能夠勘破其中原理和破綻，不被欺騙。
#課程
當時代在進步
技術進步
科技進步
商業管理的學習也在進步
當AI加入
不是只有以文字和分類法為主的聊天機器人
數字的分析同樣重要
感謝學校採用MathAI軟體教學，分享：
1. 中華大學113學年度第一學期就業學程學生作品
https://sites.google.com/view/2024chuemployment-aida
2. 元培醫事科技大學113學年度第一學期大數據分析碩士班學生作品
https://sites.google.com/view/ypudbam2024fall/
3. 元培醫事科技大學113學年度第一學期大數據視覺化學生作品
https://sites.google.com/view/ypudbac2024fall/
考照的實務報告：
https://drive.google.com/drive/folders/1R-HZVh3rvQGKxMGNwmB7tCo5wfUdHTt9
可內培、演講、講座、研習、線上授課等
跟著時代的脈動走
公司企業的各項指標也能如同這樣表現展現AI成果
🎉2024AI數據分析競賽將於2024年12月23日到12月27日舉辦🎉
講師培訓已經上路歡迎報名 #培訓
技術進步
科技進步
商業管理的學習也在進步
當AI加入
不是只有以文字和分類法為主的聊天機器人
數字的分析同樣重要
感謝學校採用MathAI軟體教學，分享：
1. 中華大學113學年度第一學期就業學程學生作品
https://sites.google.com/view/2024chuemployment-aida
2. 元培醫事科技大學113學年度第一學期大數據分析碩士班學生作品
https://sites.google.com/view/ypudbam2024fall/
3. 元培醫事科技大學113學年度第一學期大數據視覺化學生作品
https://sites.google.com/view/ypudbac2024fall/
考照的實務報告：
https://drive.google.com/drive/folders/1R-HZVh3rvQGKxMGNwmB7tCo5wfUdHTt9
可內培、演講、講座、研習、線上授課等
跟著時代的脈動走
公司企業的各項指標也能如同這樣表現展現AI成果
🎉2024AI數據分析競賽將於2024年12月23日到12月27日舉辦🎉
講師培訓已經上路歡迎報名 #培訓
Google
中華財管系就業學程2024Fall
感謝勞動部補助大專院校就業學程計畫，在113年秋季於中華大學財務管理學系執行。由於我國數位發展部於113年6月宣布積極培育三種AI人才，包括產業、政府與跨域AI人才，推動政府部門的AI職能課綱和課程。數發部也會攜手教育部，向下扎根於高中階段，開設各種AI相關課程，並培育種子教師，將AI相關知識擴散至偏鄉地區。期間我國大專生更需前沿接軌AI職能相關培訓，因此在就業學程計畫中，運用「AI數據分析方法」應用於財務相關之指標，產生精準趨勢分析，為大專生建構先前課程中可能還未來得及教育培訓之綜整知識與技能素養。
This media is not supported in your browser
VIEW IN TELEGRAM
#技術 人工智慧的數據驅動不只要建立數據自己的數學模型，還要能找到特徵的機率分布模型！一切皆有數學結果！客觀且科學！
路徑模型，節點為核，線做橋樑。
主要算機率（probability），或稱頻率。節點本身有機率，節點連線如排列組合（見高中數學）產生不同種的結果。每個結果都有機率。
每條線上有兩個機率，從A到B或從B到A。
如果是三個節點，有各自節點的機率，兩兩節點的機率×2，三三節點的機率×2。
進階點可以產出分布模型，對！是有數學函數的模型，不是只有圖！
#觀念 ：結果必有數學式
主要算機率（probability），或稱頻率。節點本身有機率，節點連線如排列組合（見高中數學）產生不同種的結果。每個結果都有機率。
每條線上有兩個機率，從A到B或從B到A。
如果是三個節點，有各自節點的機率，兩兩節點的機率×2，三三節點的機率×2。
進階點可以產出分布模型，對！是有數學函數的模型，不是只有圖！
#觀念 ：結果必有數學式
我曾提過機器學習的源頭是分類、篩選、比對、排序、計數。所謂的使用迴歸模型都只是裡頭的小道不是主要。主次分清楚後，就能知道計算機工程是離散數學為基礎，始終沒改變。
早期的數據挖掘或大數據技術都是分篩比排計為主的功能組成，並不是數據驅動的數學模型（建立數學模型結果）！
這就是我說的迴歸模型被寫入演算法只是要讓你知道他們也有搞數據驅動的數學模型。
如果真的是數據驅動的數學模型，那麼結果就會產出數學式結果，即使是機率Probability 也會是值和頻率的機率模型！
繼續看“發表留言”
早期的數據挖掘或大數據技術都是分篩比排計為主的功能組成，並不是數據驅動的數學模型（建立數學模型結果）！
這就是我說的迴歸模型被寫入演算法只是要讓你知道他們也有搞數據驅動的數學模型。
如果真的是數據驅動的數學模型，那麼結果就會產出數學式結果，即使是機率Probability 也會是值和頻率的機率模型！
繼續看“發表留言”
為什麼我不怕生成式AI的人工智慧？
最近網上很多發文都提到人工智慧會算數學題了。想想這是因何而起？當DeepSeek問世並開源後，所有的人工智慧消息全往兩個方向走：
♦️如何以更低的成本開發出如chatGPT O1等級的生成式AI
♦️如何讓聊天機器人也能「算」數學
第二點應該是「Mathematica」的專業，它是網頁版和單機版的數學計算軟體。在chatGPT 問世時就以API方式嫁接進去，不過要付費並且很少人使用。
於是，你看到了現在一窩蜂的在教人工智慧如何本地部署和前面兩點的消息滿天飛。不了解的人會覺得高大上，了解的人只是笑笑。包括「李飛飛」號稱AI教母的科學家也是一樣追隨著那兩個問題在新聞上進行曝光。
（續）點擊留言繼續看下去
最近網上很多發文都提到人工智慧會算數學題了。想想這是因何而起？當DeepSeek問世並開源後，所有的人工智慧消息全往兩個方向走：
♦️如何以更低的成本開發出如chatGPT O1等級的生成式AI
♦️如何讓聊天機器人也能「算」數學
第二點應該是「Mathematica」的專業，它是網頁版和單機版的數學計算軟體。在chatGPT 問世時就以API方式嫁接進去，不過要付費並且很少人使用。
於是，你看到了現在一窩蜂的在教人工智慧如何本地部署和前面兩點的消息滿天飛。不了解的人會覺得高大上，了解的人只是笑笑。包括「李飛飛」號稱AI教母的科學家也是一樣追隨著那兩個問題在新聞上進行曝光。
（續）點擊留言繼續看下去