國 立 陽 明 交 通 大 學 演 講
講題：半導體外商公司的職場文化
Culture of Global Semiconductor Equipment Company
主講人：郭昇寰 Jason Kuo (台灣應材 資深經理)
主持人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：112年11月14日(星期二) 13:20 ~ 15:10
演講地點：陽明交大光復校區 管理二館506室
演講摘要：半導體外商公司的職場文化，包含工作類型，工作內容與工作環境。尤其是在工作文化的不同，透過從此次的分享，可以讓新鮮人作為未來工作選擇的參考。
演講性質：職場經驗分享
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講 題：作業研究方法於淨零永續議題的應用
(Application of Operation Research to Net Zero and Sustainability)
主 講 人： 徐昕煒(Hsin-Wei Hsu)教授
主 持 人： 賴學儀教授
主辦單位：國立陽明交通大學工業工程與管理學系
時 間：112年11月13日(星期一) 13:20~15:10
地 點：綜合一館AB103室
演講摘要：本演講將針對淨零轉型下的永續能源政策與綠色供應鏈議題的OR應用做說明，並針對當前永續議題的可能研究方向與學生做一個初步討論。
演講性質：學術研究專題
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講 題：精實產品開發：工業創新與大學教育的價值創造系統
(Lean Product and Process Development: Opportunities for industrial transformation)
主 講 人： 洪郁修(Yu-Hsiu Hung) 教授
主 持 人： 賴學儀教授
主辦單位：陽明交通大學工業工程與管理系
時間：2023年11月06日(星期一) 13:20~15:10
地 點：綜合一館AB103室
演講摘要：
在這個科技急遽發展的時代裡，創新是企業提升競爭力的最佳利器，然而，從投入研發到獲得智慧資產，到成果商品化，是一個漫長的過程。面對這樣的挑戰，精實開發提供有效的方法、工具、流程可供企業遵循以產出創新。本演講將從近年機械產業面臨的問題談起，接著介紹精實研發如何被運用於協助產業轉型，甚至大學的人才培育。
演講性質：學術研究專題
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講題：工業工程新創投資應用
VC with IE application
主講人：王文聖 Venson Wang (水源資本 創辦人)
主持人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：112年10月31日(星期二) 13:20 ~ 15:10
演講地點：陽明交大光復校區 管理二館506室
演講摘要：與同學分享台灣新創投資的現況及工業工程相關知識下的應用。從淨值調查，公司架構，股權規劃到投後管理等基礎知識。
演講性質：職場經驗分享
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講 題：文字分析技術進展與其在工工管的應用(Text analysis technology progress and its application in industrial engineering and management)
主 講 人：王惠嘉(Hei-Chia Wang) 教授
(成功大學 工業與資訊管理學系)
主 持 人：劉建良教授
主辦單位：國立陽明交通大學工業工程與管理學系
時間：2023年10月30日(星期一) 13:30~15:10
地 點：綜合一館AB103室
演講摘要：
說明文字探勘的演進過程, 並介紹目前使用的模型及在工工管領域的可能應用
演講性質：學術研究專題
歡迎聽講
國立陽明交通大學演講
講 題： 透過樂高敘事—預見未來情境
Envisioning Future Scenarios through LEGO Storytelling
主 講 人： 余德彰 / 應用劇本實驗室創辦人暨研發總監
DJ, Yu / Founder and R&D Director of Scenario Lab
主 持 人： 張永佳教授
主辦單位： 陽明交通大學工業工程與管理系
時 間： 112年10月26日(星期四) 14:20 ~ 16:10
地 點： 管理二館520室
演講摘要：余總監是台灣情境敘事設計(Scenario-Based Design)方法建立者，於 2004 年創辦應用劇本實驗室 Scenario Lab發展劇本導引方法，建立敘事工具與流程進行創新。已協助台灣一線企業、法人機構、大學以及工業局引進用戶經驗創新方法如酷獵(Cool Hunting)、用戶經驗創新流程(User Experience Innovation Process)、行為式設計(Behavioral Design)，經驗願景提案(Experience Vision)等，並設計導引數百場用戶經驗創新工作坊。此次余總監將介紹如何以樂高積木，建立共感敘事的方式。
演講性質：職場經驗分享
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講題：工工，然後呢？
IEM, and then?
主講人：鄭智遠CHIH YUAN CHENG (安世半導體Sr. Manager)
主持人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：112年10月24日(星期二) 13:20 ~ 15:10
演講地點：陽明交大光復校區 管理二館506室
演講摘要：
| 如果你內心有以下聲音：->迷惘的念完必修學分，終於畢業了！但到底業界裡面都找工工的人做什麼？->除了IE、帶線跟教授還有什麼其他可能性？那工工96畢業的我，可以分享一些到處打工的心得給大家參考，從製造產線、生管再到賣系統，接著被裁員後做了freelancer，現在又回前東西拆分的單位搞系統流程然後帶了一票人當主管然後在這些位子上，我看到的工作以及得到的心得，希望能夠在幾小時內，跟在場的大家分享交流 |
演講性質：職場經驗分享
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講題：人工智慧的工廠解決方案
Smart Manufacturing of Artificial Intelligence
主講人：吳文斌 Oliver Wu (帆宣系統科技 資深部經理)
主持人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：112年10月17日(星期二) 13:20 ~ 15:10
演講地點：陽明交大光復校區 管理二館506室
演講摘要：
透過不同產業、不同觀點的經驗分享，讓你多了解產業內的工作內容，
從自動化到”智”動化如何影響公司的製造思維、AI+AR 在業界的應用
以及不同公司的企業文化及思維模式，希望能讓您在未來職業生涯上有不同的思維及看法。
演講性質：職場經驗分享
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講 題：基於過採樣之不平衡資料分類(Imbalanced data classification based on oversampling)
主 講 人：林真如(Chen-ju Lin) 教授(元智大學工業工程與管理學系)
主 持 人：劉建良教授
主辦單位：國立陽明交通大學工業工程與管理學系
時間：2023年10月16日(星期一) 13:30~15:10
地 點：綜合一館AB103室
演講摘要：
Classification task is complicated by several facts including skewed class proportion and unclear decision regions due to noise, class overlap, small disjunct, caused by large within-class variation. These issues make data classification difficult, reducing overall performance, and challenging to draw meaningful insights. In this talk, I will introduce the evidence-based adaptive oversampling algorithm (EVA-oversampling) based on Dempster-Shafer theory of evidence for imbalance classification. This technique involves assigning probability regarding class belonging for each instance to represent uncertainty that each data point may hold. Synthetic data points are generated to make up for the under-representation of minority instances on the region with high confidence, thereby strengthening the minority class region. The experiments revealed that the proposed method worked effectively even in situations where imbalanced counts and data complexity would normally pose significant obstacles. This approach performs better than several existing algorithms in terms of F1-measure and G-mean for highly imbalanced data. The instances of the minority group can be properly identified while maintaining the overall classification performance.
演講性質：學術研究專題
歡迎聽講
