MOPCON 投稿指南大公開

三不五特性

▍不要踩雷的三不​

❌ 一稿多投在不同的年會。（google萬能）​

❌ 履歷洋洋灑灑，但對於想講主題卻只有幾個字。​

❌ 訂有趣、吸睛或中二的題目，但沒有主題辨識度，未來回顧時可能會後悔。（不介意者可忽略）​

▍內容五特性

⚠️ 精實性：請著重在內容詳述，若有相關的影片、簡報、文件做為參考為佳。​

⚠️ 獨特性：投稿內容在 google或網路上不易找到​

⚠️ 見解性：對主題有個人見解

​ ⚠️ 吸引性：有吸引人的概念或想法​

⚠️ 利用性：這個分享大家都能受益可用，而非無法採用。​

Example Proposal for 投稿指南

以下僅為建議，並非投稿必要條件，本文件屬鼓勵及引導性質，您可以斟酌參考。

定位難度

難易度區分為: 入門、中階 (具備一定的基礎知識)、困難 (具備較高程度的背景知識水平)

投稿標題

投稿標題可以讓審稿者即聽眾迅速掌握議題的分類以及感興趣的程度，以下提供您一些範例。

您可以在標題中包含所使用的技術名稱，如以下將會是介紹一項技術與其特色為主的議題標題:

- SwiftUI 導覽狀態探究
- 從 UIKit 到 SwiftUI 的思維轉移
- 你懂了 JavaScript，也不懂 JavaScript
- Jetpack Compose introduction

如果議題與個人經驗有關，或分享個人執行專案成果，則議題標題有以下範例:

- 我的開發經驗，使用 3 年的 Kotlin
- 機器學習正夯，不是數理出身的我也該跳下去學嗎？
- 來談談 Deployment 這件又大又小的事
- 以 tensorflow 打造開源的保全攝影機
- 讓 Python 爬蟲也能讀得懂「滑動驗證碼」

如果議題屬於引導及協助入門掌握相關技術，則標題有以下範例:

- Kotlin 的自動測試怎麼做？
- Kotlin 開發者你還在使用 Gson 嗎？ 有更支持 Kotlin 的工具等你來使用。
- 初探 Open Policy Agent 實作權限控管
- AI 如何無師自通學習人類語言

若演講是與一項較大範圍的議題傳達完整過程與結論，則標題有以下範例:

- 用愛發電；為愛鼓掌 從『全國國中小班班有冷氣政府政策』來了解地球人對於電能利用做了多少努力
- Scrum 是新的死亡行軍嗎?
- 持續演進的架構 : 擁抱多元關係人視角
- Thinking in Jetpack Compose - 以 Todo App 來比較 compose 與傳統 android UI 的差異

講題簡介

講題簡介將會給予審稿者參考您的內容，不同的審稿者都會用不同的角度進行審議，我們可以從審稿者的面向來思考如何構思簡介內容。

MOPCON 的審稿者都是具備豐富經驗的人物，每個審稿者也都擁有自己的背景技術、領域、經驗，造就審稿的多元性，包含了設計、工程、管理、數據分析…etc。

您可以就以下的分類項目幫助您構思一個議題簡介的內容:

• (簡介內容清楚程度)
• A. 議題的背景
• B. 講這項議題的原因
• C. 希望告訴會眾什麼結論
• D. 你可能會分為哪些 section 來演講議題
• (技術面)
• 議題所使用的技術
• 此演講使用的技術相關背景

以下分別給予不同的範例共您參考 (以下是未刪減且已公開的簡介內容):

(A. 議題的背景 / B. 講這項議題的原因)
在許多包含 UGC 的服務，會限制使用者在某些欄位能夠輸入的字數。你是否曾遇過輸入 emoji 或某些語言的文字時，程式計算出的字數和你預期的不同；或是明明看起來一樣的文字，程式卻判定不同呢？
(C. 希望告訴會眾什麼結論)
這個議程將會用淺顯易懂的方式，帶你一起探究 emoji 以及各種語言背後的 Unicode 編碼原理。
(B. 講這項議題的原因)
「怎麼樣的點名方式，才能達成簡便、高效且無失誤呢？」
(A. 議題的背景)
CSCheckin 課程簽到系統在 2021 年抗疫期間誕生。我們在觀察近一個月的遠距上課狀況後，發現到不少老師都需要挪出 2~10 分鐘的時間用於課堂點名。因為這繁瑣的點名程序，不少老師認為網課百害無一利；不少學生也因為這些時間的耽誤，不僅失去了真正學習的時間，甚至還會因為沒被點到名以致誤記曠課。
(C. 希望告訴會眾什麼結論)
我們深受這種情況所苦。因此我們利用 Google for Education 所提供的 API，搭配各種現代 Web 前端與後端技術，開發出一個既美觀又實用的線上課程輔助工具。這個議程中我們會介紹我們所使用的技術、其中遇到的困難、在多次重構中學習到的經驗以及心得分享。
(A. 議題的背景)
在大數據時代下企業進行數位轉型已經成為勢不可擋的趨勢，而數位轉型成功的關鍵就在於數據技術的導入與應用。
(C. 希望告訴會眾什麼結論)
在這次的分享中我將透過以下 3 項金融服務場景作為範例，說明為什麼應該讓「機器學習」服務，以及該如何讓機器「學習服務」
(D. 你可能會分為哪些 section 來演講議題)
1. IVR 是公司提供語音服務選單給客戶在系統上自行查詢與操作需要的服務。然而隨著公司的業務規模擴大，IVR 的系統架構將變得逐漸繁雜，客戶容易找不到需要的服務而選擇直接尋求客服專員提供服務。那麼該如何通過機器學習模型兼顧 IVR 的功能發展與客戶使用的便利性呢?
2. 客服系統是客服人員提供客戶服務所使用的平台。由於客服人員需要背負應答時間、接聽通數等等繁重的 KPI 因而有不小的工作壓力。是否有機會在客服系統上導入機器學習模型來幫助客服人員更有效率的提供服務呢?
3. 關聯服務: 在客服中心的進線量中重複進線的行為佔了不小比例的進線量。這不止會浪費公司的服務成本，也讓客戶覺得客服人員不專業、給予不滿意分數甚至引發客訴。那麼該如何運用機器學習的模型幫我們快速梳理出不同的服務流程，讓客服人員能將服務打包成套餐一次提供給客戶呢?
(A. 議題的背景 / B. 講這項議題的原因)
在建構系統架構時，經常期望可以建構可長遠維運的良好架構，但是往往囿於一時的熱門技術導入，缺乏了對整體發展的關注。
(C. 希望告訴會眾什麼結論)
持續良好架構主要築基於對於多重視角的綜合整理，並且依循領域驅動設計的業務發展變遷推進，若能兼顧著從安全、時間、與應對業務變動的轉折上，找到一個指引設計的方式，那麼建構出來的解決方案方可持續運行。