報告題目：Data Science and Data Envelopment Analysis
報告人：李家巖教授
北京時間：2023年8月16日（星期三）上午10:00
地點：主樓317
報告摘要：This study proposes a hybrid data science (DS) framework and reinforcement learning (RL) in data envelopment analysis (DEA). The framework supports the functional form identification of the production frontier and the RL derives the optimal resource reallocation policy which guides the productivity improvement. In fact, both DS and RL techniques complement efficiency analysis. Emphasizes on planning over evaluation, we use data generating process (DGP) and an empirical dataset of power plants to drive productivity to validate the benefits of the hybrid DS framework and RL, respectively. Based on the results, we find that the hybrid DS framework and RL can enhance the interpretation of the production frontier and identify the optimal resource policy.
報告人簡介：李家巖博士目前為臺灣大學信息管理學系教授，曾任成功大學信息工程系暨制造信息與系統研究所教授兼所長。研究領域包含制造數據科學、智慧型制造系統、生產力與效率分析、碳抵換與交易。熱衷于以統計方法與最佳化技術改善制造現場的生產效率與質量，相關應用包含產能規劃、生產排程、制程診斷、預測保養、原料價格預測與采購決策等。曾任新興技術專家顧問、華邦電子智慧制造中心科技顧問、友達智慧排程顧問、AutoML新創產業顧問、IEEE Transactions on Automation Science and Engineering副編輯等。曾擔任高科技制造、封裝與測試、面板業、石化工業、五金扣件、工具機設備、伺服馬達、植物工廠、教育出版等產學合作計劃主持人。曾榮獲杰出研究獎、Micron美光教師獎、成功大學教學優良教師、青年工程師獎等。
（承辦：能源與環境政策研究中心、科研與學術交流中心）
