# 新興科技
### 嵌入式金融(Embedding Finance)
> 將需要透過銀行才能獲得的金融服務或功能，集成到非金融機構的產品或服務中，讓非金融機構也能提供相關金融服務。
>
> eg. 本來需要到銀行開戶、貸款等等需求，費時又耗力，在未來透過各個機構自己的平台，就可直接且迅速地解決消費者的需求，日常習慣的通訊軟體及購物平台就可以簡單輕鬆的完成一站式的金融服務，透過API串接讓消費者在各種場景體驗到完整金融服務。

---
### GameFi
> 是由區塊鏈、DeFI、Game所組成，實現P2E邊玩遊戲邊賺錢(Play-to-Earn)

#### 主要實現技術:
1. 區塊鏈技術:
> 提供去中心化的帳本，記錄所有交易和遊戲內資產所有權
2. Smart Contract
> 實現自動化交易，當條件滿足則會自動觸發
3. NFT (Non-Fungible Tokens,非同質化代幣) :
> 賦予遊戲中產物實際價值與所有權，並可實現跨平台交易 (eg.Opensea)
4. Cryptocurrency
> 許多GameFi 會自行發行代幣作為遊戲中所使用的貨幣
5. Digital Wallets
> 存在用戶的NFT 與 加密貨幣資產
6. Cryptocurrency Exchanges
> 法幣貨幣<=>數位資產，可互轉的地方

#### GameFi 獎勵:
1. Cryptocurrency
2. Virtual land 虛擬土地
3. Avator 頭像
4. Costumes 服裝
5. Weapons 武器

#### GameFi 提供 關於DeFi 功能:
1. Staking (質押)
> 就像定存一樣，期滿即可取回本金和利息(利息的幣種也會相同)
2. Liquidity Mining (流動性挖礦)
> 是一種激勵機制，用於鼓勵用戶將他們的加密資產存入到一個去中心化交易所（DEX）或其他DeFi應用中的流動性池。
>
> 作法:
>
> 將兩種虛擬貨幣按比率存入對應的交易對(能互相進行交易的兩種虛擬貨幣的通稱,eg. ETH/USDT)的資金池。
> 依照你投入的代幣在資金池中所佔的百分比，兩個幣種的獎勵會持續累加。當你把資金移出資金池，你將獲得累計至今的獎勵。
3. Yield Farming (收益農場)
> 是一種DeFi的投資策略，同時投資多個交易所的不同資金池，最大化代幣獎勵的的複雜投資策略

#### 優點:
1. P2E使玩家可完全掌控自己遊戲內資產，提供遊戲中虛擬資產變現機制。 eg. Decentraland、The Sandbox

2. 有些GameFi Project 可透過DAO 來參與決策和提出建議

#### 缺點:
1. 有些GameFi 發行商可能會要求購買NFT或加密貨幣才能玩

---

### FIDO
> 透過公開金鑰加密（Public Key Cryptography）的架構進行多重因素驗證（MFA）以及生物辨識登入來強力且嚴密地保護雲端帳號的個資。
>
> 三大原則:
> 1. 便於使用（ease of use）
> 2. 隱私安全（privacy and security）
> 3. 標準化（standardaization）

> #### 安全性更佳
> 1. FIDO 協定都是建立於Public Key Cryptograph(公開金鑰加密)，此架構使「伺服器端將不再保管祕密」
>> (傳統密碼的驗證架構中，是使用者的終端裝置與伺服器之間互相都知道帳號與密碼，或是以密碼產生的雜湊函式來驗證)
> 2. FIDO 則是採用公開金鑰基礎架構的驗證模式，在 FIDO 認證伺服器端（FIDO Authentication Server）只保存相對應的公鑰，而私鑰則僅保存在使用者的裝置端，因此使用者在登入時只需提供個資給終端裝置解鎖私鑰，再透過這個步驟解鎖公鑰進行登入
> 3. 使用者的機密個資可以不再集中於雲端服務的伺服器上管理，而是採用分散式處理的方式將個資分別存放在使用者的終端裝置上，再透過公鑰及私鑰的架構來登入雲端服務。這麼一來，使用者的個資就不必被上傳到雲端，除了能有效保護資料，也能讓使用者在登入的過程中更放心


---
### 梯度下降（Gradient Descent）:
> 是一種用於優化神經網絡的算法。在訓練模型時找到一組最優的權重，這組權重可以使得損失函數的值達到最小，這個最小值稱為全域最小值（Global Minimum）。

### 梯度消失（Vanishing Gradient）
> 當訓練的神經網路層數太多，，梯度消失問題會變得明顯。因為在back propagation過程中，梯度必須通過多層進行傳播。如果每層的梯度非常小，它們就會在多次乘法過程中變得越來越小，最終導致深層的神經元接收到的梯度接近於零。這會導致神經網絡的權重更新緩慢或甚至停止，使得訓練過程變得非常困難。
>
>[解決方法]:
> 為了解決梯度消失問題，改變activation function，例如使用ReLU激活函數、引入殘差結構（如ResNet）、使用LSTM等結構來訓練遞歸神經網絡等。因為sigmoid和tanh這種在飽和區域的微分值會趨近於0的函數很常見，所以後來有新的啟動函數ReLu來克服這個問題

### 梯度爆炸（Exploding Gradient）
> 當層數很多時，梯度在從輸出層back propagation到輸入層的過程中，會經過多次的連乘。如果這些梯度值很大，會隨著連乘使最終的梯度非常巨大。
>
> [結果]:
> 梯度爆炸會使得訓練過程失控，因為巨大的梯度會導致權重更新過度，使得模型無法收斂到一個好的解

### 推薦系統

### 隱私悖論(Privacy Paradox)
> 指在社群媒體上，使用者一方面擔心隱私安全，另一方面又熱衷分享個人隱私資訊,這種態度與行為矛盾的現象稱之。

### Data Warehousing(資料倉儲)
> 是一種用於存儲和管理大量數據的系統，它支援商業智慧（Business Intelligence）活動，如數據分析、報告和查詢。DW主要目的是將來自不同源的數據集中起來，並以一種有組織、一致的方式進行存儲，從而支持決策制定過程。
>
> is a system used for reporting and data analysis and is considered a core component of business intelligence.[1] Data warehouses are central repositories of integrated data from one or more disparate sources. They store current and historical data in one single place[2] that are used for creating analytical reports for workers throughout the enterprise.[3] This is beneficial for companies as it enables them to interrogate and draw insights from their data and make decisions.

特點
> 1. 集成性（Integration）：資料倉儲集成了來自多個數據源的數據，這些源可能包括內部系統（如銷售、財務系統）和外部數據源。

> 2. 主題導向（Subject-Oriented）：數據是圍繞企業的關鍵主題（如客戶、產品、銷售）組織的，而不是圍繞不同的業務流程。

> 3. 非易失性（Nonvolatile）：一旦數據進入資料倉儲，它就不會被經常更改。資料倉儲中的數據是穩定的，用於查詢和分析，而不是進行日常的交易處理。

> 4. 時間變數（Time-Variant）：資料倉儲中的數據通常包含時間元素，它們保存歷史數據，使用戶可以進行時間序列分析。

> ETL (Extract,Transform,Load)

### 資料集市（Data Mart）
> 是針對特定業務領域（如銷售、財務或市場營銷）的資料倉儲的子集。它包含了為滿足特定用戶群體的需求而定制的數據。

特點：

> 1. 專注性：資料集市專注於特定的業務領域，提供與該領域相關的數據。
> 2. 規模較小：相比於整體的資料倉儲，資料集市的規模通常較小，這使得它更易於管理和查詢。
> 3. 用戶導向：它為特定的用戶群體（如部門、團隊）提供數據，以支持他們的決策過程。
> 4. 快速實施：因為規模較小，資料集市可以相對快速地實施和更新。

### 資料湖（Data Lake）
> 是一種用於存儲大量結構化和非結構化數據的系統。它可以存儲原始數據，無需預先定義數據模型。

特點：
> 1. 大規模存儲：資料湖能夠存儲海量數據，包括來自不同源的結構化、半結構化和非結構化數據。
> 2. 靈活性：由於不需要預先定義數據模型，資料湖在數據格式和結構上提供了極大的靈活性。
> 3. 適用於大數據分析：資料湖特別適合於大數據處理和分析，包括機器學習和數據探勘。
> 4. 低成本存儲：通常使用低成本存儲解決方案，如Hadoop或雲存儲服務。

### 比較表

| 特徵/系統 | 資料倉儲（Data Warehouse） | 資料集市（Data Mart） | 資料湖（Data Lake） |
| ---------------- | -------------------------- | -------------------------------- | ---------------------------- |
| **主要目的** | 為整個組織提供決策支持 | 為特定業務領域或部門提供決策支持 | 存儲大量結構化和非結構化數據 |
| **數據類型** | 主要結構化數據 | 主要結構化數據 | 結構化和非結構化數據 |
| **數據組織方式** | 主題導向，經過清潔和整合 | 主題導向，針對特定業務需求 | 原始數據，不預先處理 |
| **規模** | 大 | 較小 | 非常大 |
| **用戶** | IT專業人員和業務分析師 | 業務部門用戶 | 數據科學家和分析師 |
| **存儲成本** | 較高，需要預處理 | 較低，比資料倉儲小 | 較低，支持大規模存儲 |
| **查詢效率** | 高，因為數據已被整合和索引 | 高，專注於特定領域 | 可變，取決於數據處理 |
| **靈活性** | 較低，結構固定 | 較低，結構固定 | 高，可以存儲任何類型的數據 |
| **應用場景** | 商業智能（BI）、報表、分析 | 部門決策支持 | 大數據分析、機器學習 |
| 實際例子 | Oracle, Teradata, Microsoft SQL Server, Google BigQuery | MySQL, PostgreSQL,SQLite | Apache Hadoop, Amazon S3, Azure Data Lake Storage, GCP中的 Google Cloud Storage |

### Data Mining
> 透過分析大量數據來獲取有用訊息與知識的過程。使用統計學、ML、AI、資料庫方法從中探索與分析以從中挖掘特定模式、關聯性或規律

- 主要特點：
1. 大數據集分析：處理和分析大量的數據，包括結構化數據（如數據庫中的數據）和非結構化數據（如文本、圖像）。

2. 模式識別：發現數據中的模式和規律，如分類群體、預測趨勢或識別異常。

3. 預測分析：基於歷史數據來預測未來的趨勢或行為。

4. 知識發現：不僅僅是提取數據，更重要的是發現有用的信息和知識。

- 主要方法：
1. 分類：將數據分類到不同的類別中。

2. 聚類：將相似的對象分組。

3. 關聯規則挖掘：發現數據項目之間的關聯。

4. 回歸分析：預測數值型數據的趨勢和模式。

5. 異常檢測：識別數據集中的異常或不尋常的數據點。

- 應用實例：
1. 市場籃分析：在零售業中分析顧客購買行為。
2. 詐騙檢測：在金融服務業中識別異常交易。
3. 客戶細分：在市場營銷中根據客戶特性和行為進行細分。
4. 生物信息學：在生物科學中分析基因序列數據。

### Hadoop、Map Reduce

https://www.omniwaresoft.com.tw/product-news/cloudera-news/what-is-hadoop/

### Hbase

### OLTP（Online Transaction Processing, 線上事務處理）
> 是一種針對快速、有效地處理大量事務的技術。這些事務通常是簡短的、需要即時回應的。

> 特點：
> - SQL常被用來作為資料運算的主要語言
> - 處理的是日常的事務操作，如新增、修改、刪除資料。
> - 能夠快速處理大量的小型交易。
> - 強調資料的一致性和完整性。
> eg. 銀行系統的交易處理、電子商務網站的訂單處理等。。

### OLAP（Online Analytical Processing, 線上分析處理）
> 是針對快速分析和查詢大量數據的技術，特別是對於複雜的分析查詢和報告撰寫。
> 特點:
> - 用於複雜的查詢操作，包括數據挖掘、趨勢分析等。
> - 處理的數據量通常比OLTP大得多。
> - 通常使用多維數據模型來支援複雜的分析。
> - eg. 商業智慧工具(BI)、財務報告系統、市場研究等。


### 可解釋 AI（XAI, Explainable AI)
> 相較於傳統「黑箱式」作業，指操作和決策過程能夠被人類理解和解釋。
>
> 核心目標是增加透明度，提高用戶對AI系統決策的信任，並使專業人士能夠有效地評估、調整和改進
> 並確定判斷合理，若模型從大量數據中萃取出有用資料，人類也可從中學習、符合法規要求

https://medium.com/sherry-ai/xai-%E6%A8%A1%E5%9E%8B%E5%8F%AF%E8%A7%A3%E9%87%8B%E6%80%A7%E7%9A%84%E9%87%8D%E8%A6%81-a0bbaa649978

### LIME（Local Interpretable Model-agnostic Explanations,局部可解釋性模型）

### Mamba
是一種狀態空間模型（SSM,Selective State Spaces)
https://www.inside.com.tw/article/33647-groundbreaking-model-mamba

### 循環經濟
https://mag.addmaker.tw/2019/08/02/%E5%BE%AA%E7%92%B0%E7%B6%93%E6%BF%9F%E6%AD%A3%E5%A4%AF%EF%BC%8C%E7%94%A2%E5%93%81%E8%A8%82%E9%96%B1%E5%88%B6%E5%8F%AF%E8%A1%8C%E5%97%8E%EF%BC%9F/

### ESG
https://www.managertoday.com.tw/articles/view/62727?

### 碳權
> 是基於環保而衍伸出的金融概念，是環保機構或政府發行的一種貨幣，貨幣背後的價值是「碳排放的權利」

### RWA( Real-World Assets,真實資產代幣化)
> 是一種將傳統金融資產（如不動產、公司債務或其他有形資產）代幣化或數字化的過程，使其能夠在區塊鏈上交易和管理。

#### RWA關鍵特點：
1. 透明度和可追溯性：區塊鏈技術的天然特性確保了所有交易的透明度和不可篡改性，使得資產的所有權和交易歷史能夠輕易追蹤。

2. 流動性提升：通過代幣化，原本市場流動性較低的資產（如房地產）可以輕松地在全球範圍內買賣，增加了資產的流動性。

3. 降低進入門檻：代幣化可以將大型資產分割成更小的份額，使得原本僅對大型投資者開放的市場也能吸引小額投資者。

4. 效率提升和成本降低：使用區塊鏈進行資產管理可以減少傳統金融中介的需求，從而降低交易成本和提高操作效率。

5. 創新的融資方式：RWA在去中心化金融（DeFi）領域中提供了新的資產類型作為抵押或借貸的基礎，為金融創新提供了更多可能性。



#### 挑戰：信任、合規、基礎建設
1. 確保真實資產可信度
> RWA是將現實的資產代幣化，因為真實資產的資訊可靠性很重要，如果一開始的資訊不可靠，代幣化後的資產也不可信。
>
>>要提升資訊可靠性有多種手段，例如穩定幣USDC發行商Circle，則找來四大會計事務所之一的Deloitte為其做資產儲備審計，而發行USDT的Tether則與第五大會計事務所BDO合作。

2. 監管、合規需符合各國要求
> RWA還涉及監管、合規問題，即便鏈上世界沒有國界，在監管上，仍然得適應不同國家的要求。

>>黃朝秋指出，因為代幣發行很簡單，市面上出現各式各樣的產品，例如，有名人或運動員用代幣發行「未來收益權」，這類商品就需要新法規來規範。

3. 基礎建設需完善
> 在傳統金融系統中，有保險公司、投資者等各個組織和角色之間相互合作；在區塊鏈生態中，這些角色可能需要重新定義和協調。生態系統的成熟度以及基礎建設問題，將是確保代幣化後的市場可以穩定發展的關鍵。

> 其中，用於交易的穩定幣就是關鍵的基礎建設，穩定幣必須大規模商用化，才能讓代幣化後的資產，交易的更加滑順。但目前距離穩定幣商用化，還有一段距離需要努力，基礎建設沒有佈建好，就會影響市場的接受度。

eg. 以前我在台北利用太陽能生產電來供應賣給台電，台電再將電力轉賣給一般民眾，但透過RWA，我可以證明我真的有這些電力，再透過RWA證明，可以直接賣給屏東有需求的人

### RWA 碳權市場

https://cryptowesearch.com/blog/all/What-is-RWA-Carbon-Credit

### Ordinals 協議 (序數)
> 提供底層技術，把Bitcoin以聰為單位去切分，並給每個聰一個序號。

### BRC-20
> 規定刻在聰上的訊息格式，透過BRC-20，可根據Ordinals協議任意發行一個新的代幣

### 銘文(Inscription)
> 透過Ordinals協議給予序號後，可再透過附加額外資料方式(圖片、文字皆可)，將一些訊息嵌入到聰上面，可變成比特幣網路上的NFT

https://trustmachines.co/glossary/inscriptions/

https://www.gate.io/learn/articles/what-are-bitcoin-inscriptions-and-ordinals-and-how-do-they-work/959

### 銘刻
> 將銘文綁定到特定的聰上面

Green Learning

Elon mask x平台 明年平台支付交易貨幣
有可能是狗狗幣？

#### Q:AI引起相關著作權問題

### Zero Trust Architecture（ZTA,零信任架構）
> 是一種資安概念，秉持"Never Trust,Always verify",不對任何內部或外部網路盲目信任,而是透過持續驗證和最小權限策略來保護組織的系統與資料。

- 特點:
1. 持續的身份驗證和授權：使用者和設備的身份必須不斷被驗證和授權，以確保他們有權訪問特定的資源和數據。

2. 最小權限訪問控制：使用者和設備只能訪問他們完成工作所必需的最少資源，從而減少潛在的攻擊面。

3. 微分段：網絡被劃分為多個小部分，每個部分都有嚴格的訪問控制，即使攻擊者獲得網絡內部的訪問權限，他們也難以移動到其他部分。

4. 多因素認證（MFA）：除了傳統的用戶名和密碼之外，還需要其他形式的認證，如生物識別、一次性密碼等。

5. 實時監控和自動化響應：持續監控網絡活動，並在檢測到異常時自動採取行動，如封鎖可疑流量。

https://www.ithome.com.tw/news/155119

---

### PEST 總體環境分析
- 政治（Political）
- 經濟（Economics）
- 社會（Social）
- 科技（Technology）

https://www.hububble.co/blog/pest

### D2C 商業模式

https://gs.amazon.com.tw/blog/d2c-business-model-231026

### O2O(Online to Offline)

### OMO(Online merge Offline)

## OMO、O2O比較表

| 分類 | OMO（Online merge Offline / Offline merge Online） | O2O（Online to Offline / Offline to Online） |
|----------------|----------------------------------------------------|--------------------------------------------|
| **涵義** | 整合全通路系統、數據 | 線上與線下通路互相導流 |
| **概念** | 以消費者為核心，透過數據與流暢體驗促使消費者回訪，提升全通路銷售表現 | 以跨通路為核心，透過多元消費模式創造流量 |
| **系統整合** | 整合品牌電商、門市 POS/ERP，以及全通路會員系統 | 線上線下系統未完全整合 |
| **消費者體驗** | 行銷活動、會員身分/權益一致，品牌體驗佳 | 線上線下的優惠資訊、會員權益未整合，易造成消費者混淆 |
| **門市店員銷售** | 無論消費者在線上、線下購買，業績皆可歸因給服務他的店員 | 消費者若在線上買，店員算不到業績，可能使店員抗拒數位轉型政策 |
| **品牌數據蒐集與應用** | 整合全通路消費者數據、建立統一的會員身分，以全觀角度規劃行銷策略、辨識銷售機會點 | 顧客數據分散在各系統，不利制定全盤性行銷規劃 |
| **商品/貨源調度** | 全通路靈活配貨，銷售效率高 | 線上線下庫存壁壘分明、無法互通有無 |

Nike斷然分手亞馬遜
https://www.bnext.com.tw/article/55488/nike-departure-amazon

### 區塊鏈公共財
https://abmedia.io/why-public-goods-are-important-to-web3

### 微服務（Microservices）API
> 是一種架構，將一個大型的、單一的應用程序拆分成多個小的、獨立的服務。通過API進行串接，API允許服務之間相互交換數據和請求操作，從而實現系統的整體功能。

### Monolithic vs. Microservices Architecture 單體架構與微服務架構
> #### - Monolithic Architecture
> With monolithic architectures, all processes are tightly coupled and run as a single service. This means that if one process of the application experiences a spike in demand, the entire architecture must be scaled. Adding or improving a monolithic application’s features becomes more complex as the code base grows. This complexity limits experimentation and makes it difficult to implement new ideas. Monolithic architectures add risk for application availability because many dependent and tightly coupled processes increase the impact of a single process failure.
>
> 使用整體式體系結構時，所有進程都緊密耦合併作為單個服務運行。這意味著，如果應用程式的一個進程遇到需求高峰，則必須擴展整個體系結構。隨著代碼庫的增長，添加或改進整體式應用程式的功能變得更加複雜。這種複雜性限制了實驗，使得實施新想法變得困難。整體式體系結構增加了應用程式可用性的風險，因為許多依賴且緊密耦合的進程會增加單個進程故障的影響
>
> #### - Microservices Architecture
> With a microservices architecture, an application is built as independent components that run each application process as a service. These services communicate via a well-defined interface using lightweight APIs. Services are built for business capabilities and each service performs a single function. Because they are independently run, each service can be updated, deployed, and scaled to meet demand for specific functions of an application.
>
> 在微服務架構中，應用程式被構建為獨立的元件，將每個應用程式進程作為服務運行。這些服務使用輕量級 API 透過定義良好的介面進行通信。服務是為業務功能而構建的，每個服務都執行一個功能。由於它們是獨立運行的，因此可以更新、部署和擴展每個服務，以滿足對應用程式特定功能的需求。

### CDN (Content Delivery Network,內容遞送網路)
> 主要用途是優化網頁速度及效能。CDN 服務會將網站內容儲存在最接近用戶的 「邊緣」網路節點，讓用戶可從最近的 CDN 所在區域更快速地獲取所需資料。

### 玉山數位轉型2023

#### 五大特色:

1. 雲原生技術（Cloud-native）:易於未來的維護與擴充
2. 微服務架構與容器化平台: 提升系統運作效率與彈性，且能快速佈署應用服務至不同伺服器
3. 建置會計核算引擎: 讓交易與會計處理功能各自獨立
4. 資料庫即時同步抄寫機制: 在不影響核心系統效能前提下，將資料開放給更多不同業務系統使用
5. 搭載智能監控系統: 監控各個微服務運行狀況、資源使用情形、交易處理時間及異常交易量等，提高服務的穩定性和服務水準

- 因應組織內IT團隊技術要求高:
> 在內部成立機器學習交流社群，進行程式碼、資料以及各式各樣的知識交換，以此不斷強化AI技術基礎。

- 在AI大腦下，玉山首先聚焦影像辨識技術:文件辨識需求量在金融業相當高，影像辨識可說是首要優先發展的技術，因透過光學文字辨識技術自動識別各類文件中的資訊，對外，可以縮短顧客申辦數位金融服務的過程，進而優化使用體驗，對內，可以省下人力登打資訊的作業時間和成本，讓業務團隊更專注在創造新的商業模式。


### Trustworthy AI(可信任AI)
> ~~指AI系統的可靠性、安全性、透明性。可信任AI的目標是確保AI系統在其決策和行為中保持一致、可預測且對人類有益。這涉及確保AI系統不會產生有害的偏見，並且其操作和決策過程對使用者和受影響者是透明的。~~
1. 資料須要是完整準確的
2. 模型產出可解釋性，夠解釋模型使用資料和變數的資訊，以及能夠描述模型導出不同行動和決策的資訊

eg.
1. 醫療病情診斷上，醫師該如何向病患解釋AI輔助判讀成因
2. 金融證券行員如何向客戶解釋投資交易決策
3. 自駕車為何判斷失常而造成意外事故憾事
4. 抑或警政罪嫌分析出現的性別與種族歧見

### Quantitative Trading(量化交易)

### 網格交易( Grid Trading)機器人
> 是一種可以自動「低買高賣」的交易機器人，在投資者所設定的條件下，於價格下跌時買入、價格上漲時賣出，並有紀律的持續執行，全程通通自動化。
>
https://web3plus.bnext.com.tw/article/1467

DBSCAN

輪廓分析法

多天線(MIMO)

### 雲原生(Cloud Native)
> Cloud native is the software approach of building, deploying, and managing modern applications in cloud computing environments.
>
> 在雲端運算環境中建置、部署和管理現代應用程式的軟體方法。

> - 現代的公司希望建置高度可擴展、靈活和有彈性的應用程式，以便快速更新以滿足客戶需求。透過現代工具和技術，這些工具和技術在本質上支援雲端基礎設施上的應用程式開發。這些雲端原生技術支援對應用程式進行快速且頻繁的變更，而不會影響服務交付，從而為採用者提供創新優勢和競爭優勢。
> - Modern companies want to build highly scalable, flexible, and resilient applications that they can update quickly to meet customer demands. To do so, they use modern tools and techniques that inherently support application development on cloud infrastructure. These cloud-native technologies support fast and frequent changes to applications without impacting service delivery, providing adopters with an innovative, competitive advantage.

https://www.bnext.com.tw/article/66098/what-is-cloud-native

https://aws.amazon.com/tw/what-is/cloud-native/

### 金融上雲鬆綁

#### 採用混合雲的管理方式:
> 有助企業即時應變，同時也可以節省硬體資源開銷。例如，某些系統的交易頻率變動大，當系統爆量時，就能藉雲端進行調度。企業若全以地端部署交易頻率變動大的系統，平時就得準備最高資源應付系統爆量，反之，採混合雲方式部署，平時僅需以適量的硬體設備支援，特定時間再以雲端進行調度。如此一來，才能有效運用雲端資源，適當平衡成本。

### FedRAMP ( Federal Risk and Authorization Management Program,聯邦風險與授權管理計畫)
> 是美國政府機關全面實施的計畫，旨在為雲端產品和服務的安全評估、授權及持續監控提供一套標準方法。

整理電商新聞
https://www.ithome.com.tw/article/159891

### 響應式網頁設計(Responsive Web Design)
> 被公認為是日後網頁設計開發技術的趨勢，網站使用CSS3，以百分比的方式以及彈性的畫面設計，在不同解析度下改變網頁頁面的佈局排版，讓不同的設備都可以正常瀏覽同一網站，提供最佳的視覺體驗，是個因移動平台的用戶大量增加而想出的一個對應方法


##### 智能家居聲控模式的趨勢
- 2014年 Amazon 更率先開發出智能音箱，除了提供用戶語音下單訂購服務，更進一步提供用戶語音控制設備的功能。技術巨頭們為了爭奪用戶家庭場域系統的主導權，紛紛推出了Google Home 與 Apple HomePod 等智能音箱產品，正式開啟了智能家居聲控模式的趨勢。

### Matter
> 是一個智能家居開源標準項目，由 Amazon、Apple、Google、ZigBee 聯盟聯合發起，旨在開發、推廣一項免除專利費的新協議，簡化智能家居設備商開發成本，並提高產品兼容性。
>
> 目標: 打造一個能讓所有智能家居設備皆可通融的環境
>
> [優勢]:
> 1. 更安全的智能家居系統
> > Matter針對此IoT架構下去設計資安框架，更加保護消費者隱私
>2. 產品選擇多與更高的產品間相容性
>> 當Matter規格成為廠商們間的主流標準後，便會形成「馬太效應」（Matthew effect）:強者愈強、弱者愈弱結果。對於消費者來說，未來會有更多的產品選項—每當新的設備需求增加時，只要選擇符合 Matter 認證的產品，就能直接與家裡現有的智能家居系統相容，得到高度客製化、低成本系統擴充的便利，不用擔心原本選擇的系統會被市場淘汰。
>3. 彈性化的建置和跨設備整合
>> 當 Matter 生態系統持續發展、為 IoT 產品定義一普遍規格後，消費者可以預期的是，未來將會有更多的軟硬體公司願意開發更優質、整合性高的設備與服務，例如聲控系統可以選擇 Alexa、Siri、Google Assistant 等，終端設備用戶也可以選擇本身喜歡與價格合適的廠牌產品，不用被單一系統綁定也不侷限單一平台。

https://www.flh.com.tw/2021-07-27-matter/

### FinTech (金融科技)
> 參與者又可分為三大類:
> 1. FinTechs(金融科技公司):
> 以創新技術提供金融服務，規模小

https://knowledge.cbc.gov.tw/front/knowledge/C979CED3-5198-EB11-8144-2C44FD83FB4B

- 普惠金融（financial inclusion）
> 普羅大眾均有平等機會獲得負責任、可持續的金融服務；又稱包容性金融，其核心為社會所有階層和群體提供金融服務，尤其是那些被傳統金融忽視的農村地區、城鄉貧困群體、微小企業。近年來，隨著科技與環境的快速演變，「金融科技」成為推展普惠金融的重要力量 。

### Crowdfunding（群眾募資） vs. Crowdsourcing（群眾外包）
> crowdfunding 是透過群眾的力量來募得資金

> crowdsourcing 是想要獲得群眾的想法、知識、技術或是技能

### 天使投資人(Angel Investor)
> 新創公司創立初期就開始投資的投資者，這些天使投資人可以在未來獲得有價債券或所有權益。天使投資人並不會過多干預公司的營運，每筆投資是以小股的形式。天使投資人會將投資分散至不同的新創公司，以多投的方式分散投資的風險，

> 天使投資人通常在新創企業創立初期時就會出錢挹注公司，而且除了提供金錢的幫助以外，天使投資人也會帶入一些人脈或是機會給新創公司。某種程度上天使投資人會肩負輔導與顧問的角色，替新創公司尋找資源或是連繫其餘投資者。

> 天使投資人需要承擔極高的風險，因為新創公司很有可能倒閉、就算撐下來也股份可能在未來受到後來投資者的稀釋，所以天使投資人需要較高的投資報酬。而投資報酬率通常都在 5-10 倍之間，通常天使投資人的潛在退場時間都是在公司首次 IPO 或是被收購時。

### IPO (首次公開募股,Initial Public Offerings )
> **IPO** 是指一家私人公司首次向公眾投資者出售其股票的過程。這標誌著該公司從私有公司轉變為公開交易公司的重要階段。

### IPO的目的：
1. **籌集資金**：最主要的目的是為了籌集資金來擴展業務、償還債務、投資新項目，或者改善公司財務結構。
2. **提高知名度和信譽**：上市過程增加了公司的公眾可見度，提升了品牌形象，並可能吸引更多的業務合作機會。
3. **股東退出或利益實現**：創始人和早期投資者通過IPO有機會出售其股份，從而實現投資回報。
4. **員工激勵**：通過股票期權等計劃，上市可以作為吸引和留住員工的一種激勵措施。

### IPO的過程：
1. **選擇承銷商**：公司首先會選擇投資銀行作為其承銷商，來幫助處理IPO過程。
2. **提交文件**：公司需要向證券交易委員會（SEC）或相關監管機構提交包括財務報告在內的詳細信息。
3. **定價**：承銷商將幫助公司確定股票的發行價格，這通常是根據市場需求、公司財務狀況和未來增長預期來決定的。
4. **路演**：公司和承銷商將舉辦路演，向潛在投資者展示公司的價值和業務計劃。
5. **股票發行**：在確定了發行價格後，股票將被公開發行給投資者。
6. **上市交易**：發行後，股票開始在選定的證券交易所上市交易。

### IPO後的變化：
- **透明度**：上市公司必須遵守更嚴格的財務報告和治理規則。
- **市場監督**：公司受到投資者、分析師和媒體的密切關注。
- **股票流通性**：公司股票在公開市場上交易，提高了流通性。

---
### VC （創業投資,Venture Capital,創投）
> 主要以基金、投資公司的方式，提供新創公司資金，並獲取該公司股份的融資行為。

- 在多數情況下，創投業者主要目的並非獲得公司所有權，而是透過投資與提供增值服務來幫助新創公司成功營運，之後從中獲利，或者在IPO、公司被收購時出售股權以賺取利潤。

> 由於新創公司初期失敗率極高，因此創投也必須承擔極大風險，但也能在公司創立初期以較低成本換取較多股份，實現以高風險換取最大利潤策略。
>> 通俗一點的說法比喻的話，如果銀行貸款是「借十間，只要一間收不回來就虧錢」，那麼創業投資就是「投十間，只要中一間就會賺」。

---

### 供應鏈金融、供應鏈融資（Supply chain finance）
> 指金融機構為一家大企業及該企業的上下游供應鏈企業一同提供貸款等金融服務。對於金融機構來說，單個小企業風險不可控，但一旦掌握了供應鏈資訊，得知小企業有穩定的客戶，且該客戶為大企業，則可以確信該小企業經營狀況穩定得多，金融機構提供貸款時的風險也相對降低。


### Startup company 新創公司

### 授信(Credit Checking 或 Credit investigation)
> 機構通過徵信系統對外提供信用報告、信用評估、信用信息諮詢等服務。主要目的是解決交易雙方信息不對稱的問題，幫助客戶判斷、控制信用風險，進行信用管理的活動。

### 監理沙盒(Financial Regulatory Sandbox)
> 一種提供新興金融科技產品的實驗機制。提供業者於一定期間內，免取得相關證照且排除部分法規限制，對創新商品或服務於金融市場運作之可行性進行實驗，以減低新創業者為金融創新之顧慮及成本。
>
> 就是讓新創業者進入官方監理的風險可控環境當中，盡可能測試金融創新業務及產品。


### OTA(空中下載技術,Over-the-Air)
> 透過網路進行更新或升級，於智慧型手機等消費性電子產品領域已是被成熟應用的技術項目。隨著聯網汽車逐漸普及，OTA技術發展持續受到關注，也帶來全新的商業模式。

> 過去車輛出廠後，使用者須自行前往經銷商或維修廠進行維修或系統更新，耗時且步驟繁瑣，對於製造商而言，若是遭遇重大項目需啟動車輛召回程序，不僅需付出大量時間與成本，召回期間之可能風險也帶來隱憂。OTA技術大幅縮短維修時間並有效降低成本，同時，隨汽車聯網化趨勢，產業從硬體導向走往軟體與應用服務發展，除了可即時更新圖資、車機應用程式外，對於汽車之主被動安全系統、控制功能等也能透過OTA技術進行更新或升級。

### RPA(Robotic Process Automation,機器人流程自動化)
> 是一種資訊工具，模擬人在電腦上操作不同系統的行為，RPA可以記錄人類對電腦的操控行為，也就是紀錄鍵盤與滑鼠的動作。

### Data Driven
> 指組織內的任何活動進展皆是透過數據推動的，而非透過直覺或個人經驗

### Domain Driven Design
> 是一種全面的設計哲學，不僅僅關於命名，還包括業務模型的設計、系統的結構安排以及如何處理複雜的業務邏輯。
> eg. 變數取名字時 要符合相對應的事物。例如處理租賃業務的軟體，其型別可以命名為LoanApplication及Customer

### ESG (Environment、Social、Goverence)
> 提出如何實踐 CSR 的原則。評估一間企業經營的指標

- 環境保護（E，environment）：溫室氣體排放、水及污水管理、生物多樣性等環境污染防治與控制。
- 社會責任（S，social）：客戶福利、勞工關係、多樣化與共融等受產業影響之利害關係人等面向。
- 公司治理（G，governance）：商業倫理、競爭行為、供應鏈管理等與公司穩定度及聲譽相關。


### CSR (企業社會責任, Corporate Social Responsibility）
> 提出一個廣泛的概念，一間企業貢獻經濟發展的同時，也應承諾遵守道德規範、改善員工及其家庭、當地整體社區、社會的生活品質。

### SDGs(永續發展目標, Sustainable Development Goals）
> 2030永續發展目標（Sustainable Development Goals, SDGs），包含消除貧窮、減緩氣候變遷、促進性別平權等17項 SDGs 目標，指引全球共同努力、邁向永續

### ESG（環境、社會及治理）、SDGs（可持續發展目標）和 GDPR（一般數據保護條例）

| 概念 | 全稱 | 定義 | 重點領域 |
| ---- | ---- | ---- | ---- |
| ESG | Environmental, Social, and Governance | 企業在環境、社會和治理方面的表現和影響。 | 環境保護、社會責任、透明治理 |
| SDGs | Sustainable Development Goals | 聯合國制定的17個目標，旨在實現更加平等、公平和可持續的世界。 | 減貧、健康、教育、性別平等、清潔水源、氣候行動等 |
| GDPR | General Data Protection Regulation | 歐盟的數據保護和隱私法規。 | 數據隱私、個人數據保護、數據主體的權利 |

## 碳權、碳費、碳稅是什麼？碳交易市場如何運作
#### 一. 碳排收費起源:
> 由於全球暖化對環境和社會影響，國際社會包括歐盟在內紛紛採取行動以制定減少溫室氣體排放標準，在此背景下，出現了如碳排放收費等政策工具，旨在透過經濟上的刺激以減少碳排放。同時，歐盟也提出了ESG、SDGs等注重永續發展的指標與政策框架，皆是為了促進環境保護和社會責任，應對氣候變遷所帶來的挑戰。

#### 二. 碳權、碳交易市場、碳定價方式:
#### 1. 碳權:
> 是一種基於環保而衍生的金融概念，是環保機構或政府機構發行的一種貨幣，貨幣背後錨定的價值是「排放碳的權利」。

#### 2. 碳交易市場（Cap-and-Trade）:
> 當一個實體或機構成功減少其溫室氣體排放，它可以獲得相應數量的碳權，這些碳權可以被出售、轉讓或儲存以便將來使用，進而達到鼓勵國家或企業減排溫室氣體的目標。
>
> 又可分為 CCM (強制性碳權市場,Compliance Carbon Market)和與 VCM (自願性碳權市場, Voluntary Carbon Market。
>
**(1). CCM (強制性碳權市場, Compliance Carbon Market):**
> 由政府或環保機構發行，以達到國際或國家的法律法規要求。企業或國家必須購買這些碳權，以符合排放限制。
> > eg. 世界上第一個碳交易機制-歐盟碳交易市場（EU ETS， European Union Emission Trading System）、全球最大的碳市場-中國全國碳排放交易體系（ETS）

(2). **VCM（自願性碳權市場, Voluntary Carbon Credits）:**
> 由企業或個人自願購買，以彌補其自身的溫室氣體排放，與減排限制無關，通常用於滿足企業社會責任（CSR）計畫或個人環保行為。
>
> eg. 企業基於社會責任或是公關壓力而進行購買，或搭機的顧客透過額外付費購買碳排額度來達到淨零搭乘。

#### 3. 碳定價(Carbon Price):
> 包含碳交易、碳費、碳稅，皆是「將碳排放貼上價格標籤」的原理，提供企業經濟上的誘因，進而達到實質減少溫室氣體排放的目標。

**- 碳費（Carbon fee）、碳稅（Carbon tax）**
> - 不同於上述碳交易市場的「以量制價」（控制碳排放總量，讓市場的供需來決定排碳的價格）
> - 是由「以價制量」的方式來促進減排，透過直接對每噸的碳排放訂價，由控制價格高低來影響排放程度。

**- 碳稅（Carbon tax）**:
> 由財政機關統一徵收，稅收入國庫後可視為整體政府的財政收入。

**- 碳費（Carbon fee）**:
> 由環保署執行，向碳排大戶收取碳費並成立氣候基金。

**- 碳抵換（Carbon Offset）**:
> 指企業透過支持或資助減少溫室氣體排放的計畫，以彌補日常活動產生的碳排放對氣候變遷的影響


#### 全球碳權市場的困境：交易不透明、充斥詐騙、信用標準不一
然而，雖然透過碳權交易來鼓勵減排，達到碳排放中和聽起來是一個美好的願景，但實務上碳權這個新興市場中，有許多交易都是以 OTC(場外交易（OTC, Over-the-counter) 的方式私下進行，充滿了滯後和詐欺的問題，如:

1. 市場不透明：現階段的碳市場充滿不透明性，包括市場規則和碳權持有者的資訊模糊，或者出售碳權的公司實際上無法實現原先承諾的減排，導致企業對購買碳權的信任度和意願下降，同時還有面臨不公平交易和市場被操縱的風險。

2. 詐欺和合法性問題：碳市場面臨包括碳權的計算方式不清楚、碳抵換計畫被踢爆減碳不實或是惡意漂綠的情形，需要更強的監管機制，才能確保交易的合規性和誠實性。

3. 多標準和多管轄權：全球不同國家和區域使用不同的碳市場標準和監管機制不同，進而導致碳權市場碎片化且難以跨國運作。國際間正在謀求更多合作協調，建立統一的標準、協議和碳交易方式。

#### 改善方式:
區塊鏈技術並不能解決碳交易市場上的所有問題，但可以藉由技術上的優勢(eg.分散式帳本技術)來解決一些明顯的痛點：

1. 改善透明度：因為每筆碳權交易都被記錄在不可竄改的區塊鏈上，區塊鏈讓參與者能夠查看和驗證交易，減少詐騙風險，增加交易雙方對市場的信任度。

2. 降低交易成本：區塊鏈技術的去中心化特性能夠降低交易成本，在減少仰賴中間商的同時也省去了給予中介機構的費用，並有助於讓市場更加開放包容。整體而言，能夠提高市場的效率並降低參與門檻。

3. 協助監管合規：區塊鏈的可驗證性同時還可以成為促進碳市場合規性的工具，所有交易和記錄可以在區塊鏈上被監管機構審核和驗證，確保碳權交易的合法性和誠實性。

4. 促進國際交易：碳權市場通常涉及多個國家和區域，區塊鏈技術提供了一個跨國界的記錄和驗證碳權交易的方式，凝聚共識或單位以簡化國際碳權交易，減少交叉國界交易的複雜性。

#### 實際區塊鏈上與碳權相關的項目：Toucan、Senken:
1. Toucan Protocol: 建立了一個專門將碳權上鏈的橋樑，試圖透過將碳信用代幣化（RWA）來幫助自願性碳市場 （VCM）以更加透明誠信的方式發展
> 做法:
> 1. 記錄在區塊鏈資料庫：將碳權的相關信息（如碳信用的屬性、交易歷史和價格數據）記錄在一個開放且由區塊鏈驅動的資料庫中。這確保了資料的透明度和可追蹤性。
> 2. 轉化為NFT：將碳信用轉化為NFT(附有所有碳信用資料：專案、氣候影響發生年份、發行人等資訊，這種帶有系統保證具有額外認證)
> 3. 質押進碳池獲得碳代幣：將這些NFT質押到一個特定的碳池中。這個碳池是一個集合了許多碳信用的大型池子。通過質押，用戶可以獲得代表一定數量碳抵消（通常是一噸）的碳代幣。
> 4. 拿到碳代幣後，您可以進行多種操作，這些操作取決於您的目標和碳市場的特定規則:
>> 1. 消除自身碳足跡：可以使用碳代幣來抵消自己的碳排放。
>>
>> 2. 交易和投資：碳代幣可以在碳市場或特定的交易平台上買賣。一些投資者可能會購買碳代幣作為一種投資，預計未來這些代幣的價值會上升。
>> 3. 企業社會責任和環境承諾：企業可以使用碳代幣來展示其對氣候變化的積極應對和企業社會責任的承諾。eg. 提升企業品牌形象。
>> 4. 遵守法規要求：企業可能需要購買碳代幣以遵守政府的減排規定或達成特定的碳排放目標。

#### Q: 企業如何建立系統化的碳排資料蒐集與管理方式?
1. **利用區塊鏈確保數據透明性和不可篡改性**：企業可以利用區塊鏈的不可篡改和去中心化特性來記錄和存儲碳排放數據。這樣不僅增加了數據的可靠性，還提高了碳排放報告的透明度和信任度。

2. **串接碳交易所API實現數據集成和自動化**：通過碳交易所的API，企業可以自動獲取碳市場的實時數據，如碳信用價格、交易量和可用碳抵消等信息。這有助於企業更有效地管理其碳資產和投資。

3. **智能合約實現自動交易和合規性管理**：利用智能合約，企業可以自動化其碳交易和減排努力的合規性管理。例如，當碳排放達到特定水平時，智能合約可以自動執行購買碳抵消的交易。

4. **數據分析和報告**：利用從碳交易所API獲得的數據，企業可以進行更精確的碳排放分析，並生成符合國際標準的碳排放報告。

5. **增強供應鏈管理**：區塊鏈技術可以用於追蹤和記錄供應鏈中的碳排放，從原材料採購到產品生產的每個環節。這有助於企業更全面地理解其碳足跡並制定減排策略。

---

## NFT(非同質化代幣 Non–Fungible Token)
> 是一種獨特的數位資產，每個NFT都具有獨一無二的識別和屬性，因此無法被等值替換。它們通常與智能合約相結合，能夠在區塊鏈上自動執行和記錄協議，從而確保了資產的透明性、安全性和不可篡改性。
##### 應用:
1. 數字藝術和收藏品：藝術家可以將自己的作品轉化為NFT，從而獲得數字版權和所有權的證明。買家購買這些NFT，即代表擁有了該數字藝術品的獨家擁有權。

2. 音樂和娛樂產業：音樂家和創作者可以通過NFT來出售他們的作品、專輯或音樂版權，從而直接從粉絲和聽眾那裡獲得收益。

3. 遊戲和虛擬物品：在某些遊戲中，NFT用於代表獨特的虛擬物品，如裝備、服裝或角色。這些NFT可以在遊戲玩家之間交易。

4. 數字身份和證書：NFT可以用於證明個人身份、學術證書或專業資格。

5. 房地產和虛擬土地：在某些虛擬世界或平台上，NFT可用於代表虛擬土地或物業的所有權。

6. 版權和專利：NFT還可以用於確認和交易知識產權，如版權和專利。
7. 碳權證明

### 生態系統
> 生態系統是一個逆向工程，由需求端來驅動生產端或供應端的經濟行為。通常由掌握核心技術、市場的大企業所建立。


### 生態系統的核心理念
- 具備自我調適機制
> 即使業態不同、作業模式不同，但都朝向同一個目標前進。

> 生態系是一個互動的平台，大家在上面說一樣的語言、應用同一套遊戲規則。
> eg. 網際網路是由全世界的電腦組合而成，電腦有各自不同的系統和軟硬體，於是有了一個通訊協定（protocol），讓全世界的電腦能夠溝通，也成就了五花八門的網路生態系統。

- 講究互利共榮
傳統的商業模式，是別人賺錢、我就賠錢的競爭關係；但生態系統的互補關係，是有錢大家一起賺。這中間的關鍵是，生態系統中的成員不能只想自己獲利，而是要想怎麼幫助其他成員獲利。這種利他精神的意義，就是共同把餅做大，而不是搶食同一張餅

#### 台灣現況
> 製造是強項，但也造成企業的利基寬度(指物種適合生長的範圍) 小、族群密度(投身至相同產業比例) 大，都不利於生態系統的發展。

> 套用到企業來說，講求專業分工的台灣，利基寬度就明顯不足，容易限縮在小範圍的功能。但台灣的「族群密度」又太高，看到什麼東西賺錢，就一窩蜂投入，利基狹窄跟族群密度過高，讓產業缺乏應變能力，當然也不適合生態系統養成。

> 「台灣企業供應鏈的思維太強，容易把供應鏈的整合當成生態系統，」供應鏈是一個弱肉強食的環境，講求效率及成本，因此，供應鏈就是不斷砍價，與生態系統互利的精神完全背道而馳，也都是生態系統發展的障礙。

### Digital Transformation

https://www.ithome.com.tw/news/157755

https://www.dottedsign.com/zh-tw/blog/product/what-is-digital-transformation#%E4%BC%81%E6%A5%AD%E6%95%B8%E4%BD%8D%E8%BD%89%E5%9E%8B%E6%88%90%E5%8A%9F%E6%A1%88%E4%BE%8B%EF%BC%9ANetflix

### Digital certificate(數位憑證)
> 由可信任的第三方機構(CA)發行的電子憑證，利用非對稱加密技術來證明個人或組織的身份以及其公開金鑰的真實性。使得其他實體能夠驗證證書持有者的身份，並安全地進行加密通訊。

在HTTPS加密過程中，這個過程確保了資料在用戶和服務器之間傳輸的過程中不會被第三方截獲和解密。

#### HTTPS 如何運作？
> 使用加密通訊協定SSL/TLS對通訊進行加密。透過使用 `公開金鑰密碼學(Public-key cryptography）也稱非對稱式密碼學（Asymmetric cryptography)` 來保護通訊。當用戶的瀏覽器連接到一個安全的網站時，該網站會提供Digital certificate(數位證書)和Public key。browser檢查Digital certificate 的有效性，並使用Public key來加密與server之間的通信。server使用private key解密這些信息，從而實現安全的數據傳輸。

### 零信任(ZT, Zero-trust)
> 是一種網路資安架構，不對任何企圖存取系統的請求給予信任。每個請求必須經過身分驗證、授權和持續監控。核心思想為"持續驗證，永不信任"。


### 零知識證明(縮寫: ZK 或 ZKP, Zero-knowledge proof)
> 是密碼學的分支，一種證明的方法，可以在不透漏任何訊息下，證明某個陳述為真



1. BERT(Bidirectional Encoder Representations from Transformers):
> 是由Google 所開發的pretrained 的自然語言模型。利用雙向Transformer架構來學習語言中的上下文，與Self-attention機制能夠理解單詞在句子中不同位置的不同含意，從而提升語言模型對文本的理解能力。

2. P2P insurance(P2P保險):
> 即Peer-to-Peer insurance,是一種基於互助共享的保險模式，此模式中，一群人集結起來共同承擔風險，並將資金集中於一個平台上，當有成員遭受意外，就可用資金池的資金進行理賠。

3. Social capital(社會資本):
> 指個體或群體在社會網絡中的關係、價值，這些社會關係可以為個人或群體帶來各種資源與好處。

4. SIR 模型:
> 是一個流行病學模型，用來描述傳染病在人群中的傳播。模型將人群分為三個部分：易感者 (Susceptible)、感染者 (Infected) 和移除者 (Recovered)。通過模擬這三個組別的變化，研究者可以預測疾病的傳播趨勢和控制流行病的策略。

5. Predictive analysis(預測分析):
> 透過分析現有資料與歷史數據，建立模型預測未來事件可能性。


1. Opt-out(選擇退出) vs. opt-in (選擇加入) model

| Opt-out(選擇退出) | opt-in (選擇加入) |
| -------------------------------------------------- | ----------------- |
| 在用戶沒有明確拒絕情況下，預設為同意接收服務或訊息 | 用戶必須主動表達同意才會接收到服務或訊息 |
| eg. 註冊網站後，若不取消訂閱，將自動收到推播郵件 | eg. 去設定勾選允許接收通知才會收到 |

2. P2P communication(TCP/IP) vs. P2P transaction(blockchain)

| P2P communication(TCP/IP) | P2P transaction(blockchain)|
| -------- | -------- |
| 去中心化網路，允許不同設備透過網路直接進行通訊， | 無須中介機構，允許點對點直接進行交易，所有交易紀錄皆公開在分散式帳本上 |

3. Semantic search(語意搜尋)、Social search(社交搜尋)

| Semantic searc| Social search |
| -------- | -------- |
| 注重理解用戶查詢意圖與背後關聯，以返回更精確的搜尋結果。eg. 考慮同意詞、上下文關聯性 | 結合用戶社交網路資訊，提供更個性化的搜尋體驗 eg. 有共同朋友 |


| | ERP(企業資源規劃, Enterprise Resource Planning) | SCM | CRM |
| ---- | ---------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------- | --- |
| 定義 | 是一種集成式管理軟體的解決方案，結合企業各種核心業務流程(eg. 財務、人力資源管理等)，並將其集中於一個共享資料庫。目的為提高企業營運效率並優化資訊流通 | 從原物料採購到最終產品交付給消費者的所有過程，以提高效率、降低成本並滿足市場要求 | 用於管理企業與現有客戶與潛在客戶間互動的工具，涵蓋銷售、客服等方面 |

> Cluster computing > Grid computing > Cloud computing

| | Cluster computing | Grid computing| Cloud computing |
| --- | -------- | -------- | -------- |
| 定義 | 使用多部小型電腦，透過區域網路或廣域網路「合體」成為較大型的分散式運算架構電腦 | 結合分散於各地的資源，以達成共同目標 | 透過將靈活可擴展的IT功能作為服務提供給終端用戶，如IaaS、PaaS、SaaS |

| Router | Gateway |
| ---- | ---- |
| 是一個Layer3設備，接在modem後，當modem處理完訊號問題後，router可作為wireless access point,提供給多個設備連網且具有路徑篩選功能。 |作為不同網路和協議之間的接口，實現數據和訊息的轉發和轉換，使不同系統與網路可互相通訊 |

### Data Mining 6階段
> 資料探勘 Data Mining 過程通常包括以下幾個階段：
1. 資料收集：從不同來源收集原始資料，例如資料庫、網站、社交媒體等。
2. 資料預處理：清理和整理資料，解決資料缺失、重複或不一致的問題。
3. 資料轉換：將資料轉換為適合分析的格式，例如特徵提取、資料編碼等。
4. 資料建模：應用統計、機器學習或AI演算法來挖掘資料中的模式和關聯。
5. 評估和驗證：評估模型的性能和準確性，根據需要對模型進行調整。
6. 解釋和展示：將探勘結果以易於理解的方式呈現給利益相關者，例如報告、視覺化等

### 常用的資料探勘技術：
1. 分類（Classification）：這是一種監督式學習方法，用於預測資料實例的類別標籤。常用的分類算法包括決策樹（Decision Trees）、支持向量機（Support Vector Machines）、神經網路（Neural Networks）和邏輯迴歸（Logistic Regression）等。

3. 迴歸（Regression）：迴歸分析是一種監督式學習方法，用於預測連續型數值。常用的迴歸算法包括線性迴歸（Linear Regression）、多項式迴歸（Polynomial Regression）、決策樹迴歸（Decision Tree Regression）和支持向量迴歸（Support Vector Regression）等。

4. 聚類（Clustering）：這是一種無監督式學習方法，用於將相似的資料實例分組。常用的聚類算法包括K-means、階層聚類（Hierarchical Clustering）、DBSCAN（Density-Based Spatial Clustering of Applications with Noise）和密度峰值聚類（Density Peak Clustering）等。

5. 關聯規則學習（Association Rule Learning）：這是一種無監督式學習方法，用於發現資料集中的變數之間的關聯性。常用的關聯規則算法包括Apriori、Eclat和FP-growth（Frequent Pattern growth）等。

6. 序列模式挖掘（Sequential Pattern Mining）：該方法用於分析和挖掘時間序列或事件序列資料中的規律。常用的序列模式挖掘算法包括GSP（Generalized Sequential Patterns）、PrefixSpan和SPADE（Sequential Pattern Discovery using Equivalence classes）等。

7. 異常檢測（Anomaly Detection）：這是一種無監督式學習方法，用於檢測資料集中的異常或異常值。常用的異常檢測算法包括統計方法、基於密度的方法（例如LOF，Local Outlier Factor）和基於距離的方法（例如KNN，K-Nearest Neighbors）等。

監督式:訓練模型的方法，每筆資料都有對應的標註(label)
非監督式:使用未標註的資料來訓練

Shallow Learning(淺層學習): 使用少層的network進行訓練
Deep learning(深度學習):利用多層神經網路進行訓練

RWD:指設計可在各設備和螢幕尺寸上正常顯示的網頁
Mobile App development(行動應用開發): 替行動設備如智慧型手機、平板設計、建立和維護應用程序的過程。

NoSQL: 具有非結構化的資料儲存方式。可透過多種方式儲存數據:Column-oriented、Graph、wide-column、key-value

SQL: 結構化的儲存方式。

### 資料科學商業分析（Business Analytics）的五種方式
1.描述性分析（Descriptive Analytics）
> 描述性分析又稱「敘述性分析」，能解釋已經發生的事情。

> 這種分析方式，在行銷研究與行銷資料科學裡非常普遍。舉凡對所蒐集到資料（例如，消費者市場調查問卷、公司資料庫裡的銷售資料、透過網路爬蟲所爬下來競爭情報等），進行敘述性統計的描述，都是屬於描述性分析。

2.診斷性分析（Diagnostic Analytics）
> 找出「發生了什麼？（What happened）」，而「診斷性分析」能分析出「為何會發生？（Why did it happen）」。

> 許多行銷研究公司所製作的產業調查報告，就是屬於描述性分析與診斷性分析。調查報告中，除了詳細敘述該產業的重要項目，如：市場規模、廠商家數、價值鏈分佈、競爭狀況、產品種類…等（即描述性分析）。有些產業報告還會進一步診斷出該產業所面臨的機會或威脅，或是該產業會持續成長（或衰退）的可能原因（即診斷性分析）。

3.預測性分析（Predictive Analytics）
> 預測性分析除了能與診斷性分析一樣，知道事情為何會發生，還能夠知道這樣的趨勢是否會繼續發展，並且透過預測模型的建立，了解接下來將會發生什麼事情。

> 許多行銷研究公司所接的企業專案，就是屬於診斷性分析與預測性分析。以某家行銷研究公司承接的一個專案為例，該專案的目標，在於透過行銷漏斗分析，協助企業官網找出各階段中，影響轉換率的變數，並且根據這些變數，發展出預測模型，以提升轉換率。

4.指示性分析（Prescriptive Analytics）
> 指示性分析能在預測性分析的基礎上，指導企業該如何執行，以達到更好的成效。

> 舉例來說，零售商可以透過行銷資料科學的技術，並根據所發展的預測模型，讓在現場結帳的消費者，收到最適合自己的商品折價券，以提升折價券行銷方案的有效性。

5.自動化分析（Automating Analytics）
> 是藉由物聯網產生的大量數據，配合人工智慧進行自動化的決策，人類決策的比例將大幅減少。

> 例如，無人駕駛的自駕車就是一個典型的案例。而無人駕駛背後的技術，會結合資料產品的概念（資料產品（data product）是奠基於「資料」與「機器學習」所生成的產品或服務 ），以達到自動化決策的目的。

### 八大硬體趨勢
1. 行動數位平台
> 如智慧型手機、穿戴式裝置已經可取代PC的許多功能

2. IT消費化(Consumerization of IT & BYOD(Bring Your Own Device)
> 1. BTOD:允許員工在工作場所使用自己的設備，是IT消費化的一種
> 2. IT消費化:指新興科技從消費性市場擴散至企業端
>> eg. Facebook、Line、Telegram、Gmail

3. 量子運算(Quantum computing)
> 使用量子物理的原理來表達和處理資料，能同時處理0和1，具備強大的處理能力

4. 虛擬化(Virtualization)
> 呈現一組運算資源(運算能力或資料儲存)的過程，讓資源可不受地理或實體結構限制來取用。透過將單一實體資源(如server)以logical化資源方式呈現給user。
>
> 優: 提高server利用率、硬體管理得以集中且合併

5. 雲端運算(Cloud computing)
> 透過網路提供虛擬資源(eg. 電腦處理、儲存、軟體等)的運算模式
> - 隨選自助服務(On-demand self service):需要時可自行獲得運算能力
> - 無所不在的網路存取
> - 無關位置的資料庫
> - 靈活、彈性:可快速提供、增加或減少資源，以符合使用者需求改變
> - 可衡量服務:收費取決於實際使用的資源量
> - 快速佈署:可在幾分鐘內實現全球佈署。透過將應用程式放在更接近最終使用者的地方，以減少延遲並改善他們的體驗。

#### Cloud computing 三大架構
- IaaS(Infrastructure as a Service)
> 將運算、儲存及網路等資源轉化為標準化服務，以提供內外部使用者存取。通常借助virtualization技術。
- PaaS(Platform as a Service)
> 客戶使用 雲端服務供應商 所支援的基礎建設和程式開發工具來發展自己的應用系統 。eg. 金流API
- SaaS(Software as a Service)
> 可透過網路去使用供應商雲端基礎建設上的軟體

#### Cloud computing 四大佈署模式
1. 公有雲(Public cloud)
> 由雲端服務供應商擁有與維護，讓一般大眾與業界人士也能使用
> eg. Google Drive
2. 私有雲(Private cloud)
> 為單一組織所用，可能有組織內部或第三方管理。
3. 混合雲(Hybrid cloud)
> 結合兩種佈署方式
4. 社群雲(Community cloud)
> 由數個組織彼此共有且具相同協定與架構

### 6. Edge computing
> 是一種最佳化雲端運算的方式，透過將資料指派給離資料資源較近、位於網路邊緣的伺服器來處理。降低資料傳輸與處理的延遲。

### 7. 綠色運算(Green computing) or Green IT
> 指透過對環境衝擊最小的方式來設計、製造、生產，virtualization為促進Green computing技術之一。

### 8. HPC(High Performance Computing)
> 如multi-core能強化效能、降低耗電量、更有效率同時處理多項任務

---
### Digital Certificate(數位憑證)
> 是由第三方機構:憑證管理中心 (Certification Authority，CA)發行給個人或機關團體的一段身份憑證數據，包含：公鑰、私鑰與身份信息

---


一. 個性化/客製化 差異與例子
1. 個性化: 根據用戶行為、偏好等歷史數據去自動調整產品或服務以滿足特定用戶需求。 eg. 購物網站推薦系統
2. 客製化:允許用戶主動提出要求以修改產品或服務。 eg. 衣服客製化圖案及顏色

二. 解釋電子商務現象:Showrooming 與 Reverse showrooming
1. Showrooming:指消費者在實體店面查看商品後，再到線上尋找更低價格產品並購買的行為
2. Reverse showrooming: 指消費者先在線上查看商品價格，然後再到實體店面購買的行為

三. Multichannel 與 Omnichannel差異?
1. Multichannel(多通路): 企業透過多個銷售渠道向消費者銷售產品與服務
2. Omnichanel(全通路): 強調所有的銷售渠道皆擁有一致的顧客體驗

---


a) 從經驗來看，企業的Facebook頁面/群組常常被使用得不好的原因可能包括內容不夠吸引人、更新頻率低、缺乏互動或參與感、或者是策略不夠針對特定目標受眾。

b) 企業可以通過多種方式激勵客戶使用社交網絡技術進行互動，例如提供獨家優惠、舉辦比賽、進行互動式問答、創建有價值的內容、使用客戶生成的內容以及及時回應客戶的評論和查詢。

c) 為了提高這種社交商業策略的有效性，組織和資訊系統（IS）策略可能需要進行以下改變：
1. 定義清晰的社交媒體目標和KPI
2. 投資於社交媒體管理工具
3. 培訓員工使用社交媒體以及建立社交媒體監測和分析能力來了解客戶行為和偏好，並基於這些數據優化策略。

---

a) 適合遠距的工作通常平時就具備較少的實體互動，且能透過電話、電子郵件等數位工具完成。如軟體開發、數據分析、會計、設計師等。特點是皆具有明確的工作輸出，能輕易透過遠端進行監督與評估

b) 遠端工作的理想員工應具備特質:良好的自我管理能力、高度自律、出色溝通技巧、善用通訊軟體、及獨立解決問題能力，也能在工作與生活之間找到平衡

c) 跨國虛擬團隊面臨挑戰:跨時區、文化差異、溝通障礙、建立團隊凝聚力與信任困難、遠端監督和績效評估的挑戰

---

### RAG、KGs
[113 成大資管]

https://medium.com/@amodwrites/the-future-of-genai-with-kg-enhanced-rag-systems-c34928427453

### Data Fabric (數據經緯) 跟Data Mesh (數據網格)
https://lndata-taiwan.medium.com/data-fabric-and-data-mesh-e24f41e7791f

### Social engineering

框架（Framework）

---

### Semantic Communications Based on Adaptive Generative Models and Information Bottleneck

考有無cycle判斷:

[清大113]

https://arxiv.org/pdf/2309.02387.pdf

### 社群檢測（community detection）
[台大113]

#### 案例: 華南銀行
https://www.ithome.com.tw/people/160869

#### 案例: TSMC
https://www.ithome.com.tw/news/142462

#### 案例: Netflix
https://digitalsocius.co.uk/from-a-small-ecommerce-model-to-a-fortune-500-saas-company-a-comprehensive-case-study-on-how-netflix-leveraged-digital-transformation/

### 賽局理論:零和賽局
https://www.managertoday.com.tw/articles/view/55818?

平台經濟新遊戲規則
https://www.hbrtaiwan.com/article/13350/pipelines-platforms-and-the-new-rules-of-strategy

元宇宙Metaverse現況
Apple Vision Pro: https://www.bnext.com.tw/article/75522/apple-wwdc-visionpro-mr-metaverse

大型企業反壟斷
區塊鏈定義、技術、應用
智能合約技術、應用
Web3前景: DeFi、GameFi、DAO

Docker、K8s、一些CI/CD

面試題:
ESG 會如何影響企業的供應鏈？資訊科技在供應鏈上有什麼應用？
IoT、AIoT 隱私安全問題、應用
XAI應用於醫療決策
機器學習如何應用於金融業？舉例，若應用機器學習辨識信用卡盜刷，需要收集哪些資料？除了個人資料以外還有哪些？