主題演講

我是一位過去 20 年間皆居住於日本的馬來西亞人。目前是 LaLoka Labs 的創辦人與 CEO，同時也在前一個任職的公司 Xoxzo 內擔任 COO。過往我曾在 Yahoo! Japan 擔任工程師一職，亦在 Amazon 扮演過商務上的要角。這些在大機構工作的經驗，對我在軟體工程與商務經營上的思維與哲學有著劇烈地影響。 我的 Python 之旅起源於 2002 年的 1.5.2 版，當時我剛開始在 Yahoo! Japan 工作，這個語言一路帶領我發現了它背後的社群。我參與的第一場 PyCon APAC 是 2010 年的新加坡場。 之後我與其他 Python 社群的夥伴合作，陸續成立了 PyCon JP 與 PyCon MY，並協助管理 PyCon APAC。此外，我也參與了 Python Software Foundation (PSF) 的 Trademarks Working Group (WG) 和Diversity and Inclusion WG。 我先前曾參與競選PSF董事會的席次，在第二次華麗的落選後，我寫了一篇提案文向PSF說明我認為基金會現今亟需改善的地方，相信這應該會對PSF在2020年12月啟動D&I Workgroup的決議有所影響。 與Python社群共同合作的經驗，形塑了我對於社群經營的觀點，使我重新思考該如何成為一個積極的社群參與者？以及，我們為什麼要挹注自己的想法、精力與金錢進入這個社群中？這些經驗同時也使我察覺到機會不均的現象，而促使這些機會讓更多人看見，正是我賦予自己的使命。 總體論之，我們是依傍著他人的善意而活著，前人種樹、後人乘涼，唯有我們也釋出善意，才會使這個正面的循環持續運轉。 如果你需要更多相關資訊，歡迎透過Twitter、LinkedIn，或LaLoka Labs's blog 聯絡我。

在本次演講中，Iqbal 將從一個社群組織者與推動者的角度，講述 PyCon 社群的過去、現在，以及他對社群的未來展望，使我們能一探他對於社群的多元與包容、世代間交替、倦怠及轉機的想法

Dustin 是開源安全團隊的軟體工程師，致力於增進Google及其他世界各地的開源軟體安全性。他同時也是 Python 軟體基金會的理事之一，協助你所熟知的Python─ 這樣一個大的開源專案的長期成功，含括了Python本身及其周遭的社群。他同時也是 PyPI (Python Package Index) 維護成員，協助確保成千上萬的python專案的長遠成功，其中也許有些你從未聽聞但卻在Python的生態系裡扮演著重要角色。

過去數年來，我們目睹了資訊安全與開源軟體的交鋒。新工具、新標準與新的經營典範蓬勃發展，使我們足以抵禦過往已知與未來預期的威脅，同時這也代表了我們在朝向構建穩定安全的科技生態系統上，又更進了一步。然而，我們實際上到底在防禦什麼呢？我們又要保護什麼？更重要的是，我們每個人又應該負擔什麼樣的責任呢？

任職於紅帽公司(Red Hat)的資深軟體工程師，主要負責維護Python的上游與下游程式碼資料庫，即RHEL (Red Hat Enterprise Linux) 與 Fedora。自2010年起，已成為Python的核心開發者。

Python是如何引進不相容的改變的？它們與其他專案計畫是如何合作的？恢復一些更動將損毀多數專案計畫

李政德博士目前為成功大學數據科學研究所副教授。李博士於2013年從臺灣大學資訊網路與多媒體研究所取得博士學位，之後2014-2016年於中央研究院資訊科技創新研究中心擔任助研究員。李博士的研究專長為機器學習與資料探勘，及其應用於社群網路、社群媒體、推薦系統、自然語言處理、與智慧城市，他在相關領域有一系列成果發表於頂尖國際會議，包含KDD, TheWebConf (WWW), ICDM, CIKM, SIGIR, IJCAI, ACL, EMNLP and NAACL。李博士亦曾榮獲相關學術榮譽之肯定，包含有庠科技論文獎 (2022)、傑出人才發展基金會年輕學者創新獎 (2021)、科技部未來科技獎 (2021, 2020)、成大管理學院研究傑出獎 (2021, 2020)、TAAI 2020最佳論文獎、李國鼎青年研究獎 (2019)、科技部哥倫布計畫 (2018)、潘文淵基金會考察研究獎 (2016)。李博士於成功大學帶領網路人工智慧實驗室(NetAI Lab)團隊從事研究。

圖結構 (Graph) 可用來描述個體彼此間的各種關聯與互動，基於圖資料 (Graph Data) 的機器學習下游任務，包含最重要的節點分類與連結預測，屬於「圖機器學習」(Graph Machine Learning)的範疇。深度學習方法的進步，使得我們得以有效學習表示圖資料上的節點特徵表示向量，稱為圖特徵表示學習 (Graph Representation Learning, GRL)，甚至將節點特徵生成和下游任務同時進行訓練，為圖神經網路 (Graph Neural Networks, GNN)。在這個演講上，我們將介紹 GRL 與 GNN 這系列當前圖機器學習最重要的技術，透過研究成果展示圖機器學習如何被用在社群網路、資訊網路、以及各種資料科學的應用中，並且指出當前 GNN 所面臨的挑戰和機會。在實際應用面上，我們將展示 GNN 優越且廣泛的特徵表示學習能力，能夠漂亮地融入未能事先擁有圖結構的各種資料類型上，包含 GNN 可應用於最常見的表格式資料 (Tabular Data)的分類、回歸、遺失值處理、與異常偵測等任務，GNN 可應用於自然語言處理包含假訊息偵測與文本分類等任務，GNN 可應用於時間序列預測包含股價預測與空氣品質預測等任務，我們也會給聽眾各種 GNN 可應用於推薦系統、電腦視覺、藥物開發、醫學診斷的實際例子，最終期待聽眾能感受到 GNN 的潛力、從演講中的例子學著嘗試把 GNN 帶回自己的研究領域和專案任務中。

Kushal Das 是一名公益技術專家，目前正致力於 https://sunet.se 的隱私與安全保護。他是一名 CPython (Python 程式語言) 的核心開發者、[Tor Project](https://www.torproject.org) 核心團隊的成員之一、Fedora Project 的長期貢獻者、以及 [Linux Users' group of Durgapur](https://dgplug.org) 的共同創辦人。同時，他也是 Python Software Foundation 的董事，並且長期經營的部落格 https://kushaldas.in。

這次講題談論的是關於「失敗」這個詞，以及當我明白「失敗」是各種生活層面的一部分時，這些年來我的生活是如何改變的。這些失敗從從學習一門新的語言開始（或實際上以一種宏大的方式失敗），到在長期運行的服務中誤刪臨時資料夾等。除此之外，也會分享我未能理解許多技術的社會和道德觀點的原因，以及這些年來隨著更多失敗經驗而改進的事情。