臺科大團隊的數據分析可分為工業應用與商業應用兩大類，工業領域在工業4.0浪潮的帶動下掀起新一波智慧化革命，智慧製造涵蓋的面向寬廣，數據擷取則是所有功能的基礎，近期多數業者導入的設備預測維護，即是透過數據的蒐集與分析，判斷設備運作狀態。

產線機台每日產生的數據量十分龐大，系統無須也無力全部處理，因此必須在前端先進一步篩選出有用的數據。楊朝龍老師團隊以時序資料的數據分析為基礎，針對前面提到的機台狀態偵測，研發出特徵擷取及以資料壓縮的演算法，從單一機台到多部機台在資料擷取的前端即先篩選數據，並將之歸類到工業物聯網中的不同環節，藉此降低整體系統的儲存與運算成本。

除機台數據分析外，楊朝龍老師團隊也將時序資料分析拓展到電腦視覺影像分析。楊朝龍老師指出現在多數製造現場都已建置安全監控攝影機，這些攝影機所擷取的影像畫面，也可透過分析延伸出更多元應用。

其一是使用人工智慧模型分析工作人員的作業影像，計算人員在一定時間內完成特定或整個作業流程的工作個數及完成度，由此估算出作業效率及標準作業時間，以協助生管人員管控現場工作狀況。其二是利用影像辨識，建立車輛機具防撞預警模組，透過影像攝影機及毫米波雷達數據，分析移動式機具和附近工作人員的距離，在違反安全定義時發出警示音，以減少工安事故的發生。

至於在商業領域的數據應用更廣，近期楊朝龍團隊針對電商平台及社群平台的數據進行研究。他指出電商規模快速成長，市場競爭越來越激烈，提升商品推薦引擎的精準度，將有助於平台與店家業績成長。

商品推薦引擎的數據主要來自社群網站，而社群網站產生的數據量非常驚人，如何考量意見領袖發言並同時顧及特殊或弱勢意見族群這類的重要數據，一直是社群網路分析的重要課題。

楊朝龍團隊所開發的演算法，透過衡量社群網路之文本及關鍵字結構，以網路結構比對邏輯提升資料擷取的精準度，讓數據更貼近整體面貌，同時節省資料分析的成本。此外，即便有遺漏的數據，管理者也可以回溯尋找，透過完善的數據分析，提升商品推薦引擎的準確度。

楊朝龍團隊所研發的工業與商業大數據分析技術，目前都已與企業展開合作，將之落實到實際場域中。除此之外，該團隊也持續研發新技術，包括透過電腦視覺辨識人員的工作流程、偵測觀眾表情作為電影試片參考等，近期還將應用觸角延伸到醫療保健領域，與長庚大學合作，利用影像辨識老人的動作，分析數據，以進一步提升醫療照護品質。

楊朝龍教授指出無論是工業、商業或醫療，這些核心技術的研究都可實際協助業者，而在技術研究過程中，GLORIA團隊的協助十分重要，透過此計畫的媒介，該團隊順利與不同的企業展開合作，研發出更精準的演算法。

他表示對於具備紮實技術的科研學校，大型企業的合作意願相當高，GLORIA計畫也成為媒合雙方的最佳管道。透過此計畫，楊朝龍團隊的研發可更貼近實際應用，並取得更多的資源與機會，對產學兩界都有正面效益。