Forgot your password？
人才是企業最重要的資源，提早發現員工離職傾向並留任優秀人才，是企業持續成長的重要議題。員工離職預測是利用大數據與人工智慧，分析員工未來是否會有離職的風險，以利針對離職風險較高的優秀員工，及早啟動留才管理機制。此議題中蒐集了多個可能會影響員工離職的因素，如年齡層、績效、最高學歷、出差數、請假數…等。公司的人資部門必須參考過去的經驗以及條件狀況，來判斷目前還在職的員工之離職傾向。在此議題中，參賽者需使用機器學習的方法，建立模型來分析、預測未來員工是否會離職。
根據統計2019年全球酪農業的預估營收超過4,420億美元[1]，至2019年第二季農委會資料開放平台資料[2]顯示，全台乳牛飼養場數為557場，乳牛在養頭數為115,685頭，其中每牧場的平均飼養規模約207頭牛。依農委會107年農業統計年報[3]-畜牧生產之統計結果，產乳牛有61,967頭，產乳量約419,342公噸。隨著數位轉型，農牧業也開始擁抱新科技[4]，在精簡人力的狀態下，每頭牛的平均產乳量已經超越澳洲、德國及中國等國，且仍在逐年提升，整體的酪農業實力正不斷追趕酪農業先進國(如：美國與以色列…等)。本議題透過中華民國乳業協會所提供的乳牛群性能改良計畫（Dairy Herd Improvement, DHI）資料庫預測台灣不同地區牧場生產的乳量，希望參賽者能掌握預測乳量生產的關鍵，並對於台灣酪農後續在智慧化牧場管理與乳價擬定能有相當程度的助益。
人潮動線在群眾行為研究中常佔有相當關鍵的影響，不僅僅是行銷活動上的參考重點，也是各種活動、展覽、街邊店面與百貨商城長期關注的資訊。從人潮動線的收集與分析，能夠協助我們瞭解參訪群眾的喜好與佇留情況，進而能將有限的空間妥善利用，並提供更合適群眾需要的內容。針對已知類型的群眾樣態，可於舉辦活動或設計攤位上，將分析結果作為依據，進而對其喜好優化，在實際場域的應用上，則可用於辨識群眾與推播適當資訊。議題資料收集來自2018馬拉松博覽會展場的部份抽樣數據，並已整理規劃出五種參訪群眾類型。在如此大量的群眾路線組合中，如何訓練與建立出一個良好的決策模型將作是本次議題的挑戰。
自動光學檢查（Automated Optical Inspection，簡稱 AOI）[1]，為高速高精度光學影像檢測系統，運用機器視覺做為檢測標準技術，可改良傳統上以人力使用光學儀器進行檢測的缺點，應用層面包括從高科技產業之研發、製造品管，以至國防、民生、醫療、環保、電力…等領域。工研院電光所投入軟性電子顯示器之研發多年，在試量產過程中，希望藉由 AOI 技術提升生產品質。本次邀請各界資料科學家共襄盛舉，針對所提供的 AOI 影像資料，來判讀瑕疵的分類，藉以提升透過數據科學來加強 AOI 判讀之效能。
