各位朋友們好：

我們都知道，資料是人工智慧不可或缺的原料，跟企業討論時最常被問到的問題也是：那要多少資料才夠？

樣本要多少才夠？這個問題必須看問題需求、導入場景和準確度的要求而定，但如何找到正確的資料？資料該如何分類分析？如何解讀資料？這些其實是資料科學和AI不可或缺的關鍵，而都和統計學有關係。

所以在國慶連假的電子報，想跟你分享提姆．哈福特（Tim Harford）所寫的《臥底經濟學家的10堂數據偵探課》書摘。如果以前在學校時你始終沒搞清楚統計學老師在說什麼，或者很想複習一下如何分析數據，這篇文章都值得一讀。也祝大家假期愉快。

人工智慧科技基金會執行長 溫怡玲

科技新世代企業共榮的契機：新科技發展與數位生態系的建立

當前對於技術的需求不再滿足於概念性驗證（Proof of Concept；POC），而是希望能夠快速解決問題，要能立刻上線，快速轉到新的環境。傳統護城河的戰略在未來時代可能不再適用，先進技術加上數位生態系將會是未來的關鍵機會。

三星有幾種超越台積電的可能性？

對三星或整個南韓而言，產業結構過於向記憶體傾斜，是南韓朝野不敢或忘的心病。一般認為，邏輯晶片、微處理器等產品具有多元性，可以分散風險，更有創造高附加價值的潛力，具有記憶體難以比擬的優點。只是這個市場被台積電這堵高牆擋住，南韓心有未甘，也希望能夠取而代之。那麼三星如何吹響反攻號角？

如何解讀數據背後隱含的陷阱

我們的生活中，充滿著許多數字與統計結論。面對統計數字，許多人會急著討論技術性問題，例如樣本誤差、誤差範圍、數字升降、結論分析或是質疑真偽，卻很少懷疑最根本的事實：這些數字所計算的對象是什麼？用的是什麼定義？