王偉仲

王偉仲教授

王偉仲 教授

現職

  • 國立臺灣大學 ‧ 應用數學科學研究所與數學系 ‧ 教授

  • 國立臺灣大學 ‧ MeDA Lab ‧ 主持人

  • 國立臺灣大學與中央研究院 ‧ 資料科學學位學程 ‧ 教授

  • 科技部 ‧ 自然科學與永續研究發展司 ‧ 數學學門 ‧ 召集人

  • 科技部 ‧ AI 計畫「智慧醫學影像分析與創新醫療流程 」 ‧ 總主持人

  • 臺灣工業與應用數學會 ‧ 理事長

  • 中華民國放射線醫學會 ‧ 人工智慧與影像資訊委員會 ‧ 委員

經歷

  • 國立臺灣大學 ‧ 全校教學優良教師

  • 國立臺灣大學 ‧ 數學系 ‧ 副系主任

  • 科技部 ‧ 優秀年輕學者 ‧ 計畫主持人

  • 國家理論科學研究中心 ‧ 榮譽研究員、中心科學家

  • 念慈獎

  • 中華民國數學會 ‧ 秘書長

  • SIAM Journal on Mathematics of Data Science, Associate Editor

  • East Asia Society for Industrial and Applied Mathematics, Secretary

  • 美國馬里蘭大學 College Park 校區 ‧ 應用數學博士 (1996) ‧ 指導教授:Dianne P. O'Leary

  • 國立交通大學 ‧ 應用數學學士 (1989)

王偉仲教授目前任教於國立臺灣大學應用數學科學研究所,數學系與資料科學學程,也擔任科技部自然司數學學門召集人,以及臺灣工業與應用數學會理事長。

王教授在人工智慧醫療影像分析與應用、高效能科學計算、矩陣計算、數值最佳化等方面有多年的研究經驗與成果,在國際著名期刊發表百餘篇期刊和會議論文。曾任 SIAM Journal on Mathematics of Data Science、Annals of Mathematical Sciences and Applications 等重要國際期刊編輯委員,也擔任 Supercomputing、HPC Asia、VECPAR 等重要國際學術會議籌組委員。

王偉仲教授研究與教學成果優良,曾獲國立臺灣大學全校教學優良教師,念慈獎、科技部優秀年輕學者、國家理論科學研究中心榮譽研究員與中心科學家、ICCM Best Paper Award等獎項。

王教授擁有與國內外,產官學研單位豐富的合作經驗。他曾擔任美國 NIH 與日本 JHPCN 等國際合作計畫共同主持人,與美國 NVIDIA、IBM、MSC Software、Access Analytics International,以及德國 PARALUTION 等公司合作,開發智慧醫療與高效能科學計算,演算法與軟體。也與台灣多家公司和台灣工業技術研究院, 進行產學合作。

王教授目前帶領其轄下 MeDA Lab (Medical Data Analytics Laboratory) 結合跨領域國際團隊,執行科技部「智慧醫學影像分析與創新醫療流程 」等人工智慧計畫。成員來自臺灣大學、中研院、陽明大學、臺大醫院、臺北榮總、長庚醫院;美國 NVIDIA、IBM、麻省總醫院、西奈山醫院、紐約大學;德國 KIT;日本東京大學、名古屋大學;新加坡國立大學等。實驗室結合人工智慧、醫學、高效能計算、應用數學與統計,打造人工智慧醫療影像分析平台。透過模組化的人工智慧引擎 (AI Engine),以及標準化的擴增智慧流程 (AI Workflows), 協助醫療人員面對更高層次的精準醫療挑戰,開拓新世代醫療視野。團隊曾獲多家媒體報導,並於 2019 年科技部第二季AI跨域觀摩交流會獲頒「AI 投資潛力獎」第一名獎項。




王偉仲研究摘要

研究摘要

王偉仲教授的研究聚焦於人工智慧、數值線性代數、最佳化、以及平行計算。透過與各領域專家的合作,將所開發的演算法和軟體,應用在智慧醫療,數據科學,以及計算科學。近年致力於智慧醫療的創新研發、人才培育與落地商轉,更多訊息請見 http://meda.ai 網站。



王偉仲智慧與精準醫療

智慧與精準醫療

王偉仲教授創辦的MeDA實驗室 (Medical Data Analytics Laboratory,https://meda.ai)專注於開發醫療人工智慧引擎和醫療人工智慧流程。開發出的人工智慧引擎從高維醫療影像和數值資料集中提取資訊。人工智慧流程引導讓提取出的資訊能轉化成在臨床使用上有參考價值的資料。不間斷地,MeDA實驗室密切的跟各科醫生與國際性企業夥伴一起努力,共同提升智慧精準醫療軟件品質。



王偉仲計算與資料科學矩陣計算

計算與資料科學中的矩陣計算

We consider large-scale linear systems, nonlinear eigenvalue problems, and matrix factorizations arising in numerical simulations and data analytics. Applications include 3D photonic devices, big data analysis, and healthcare. The main focuses include Krylov type algorithms, randomized methods, and accelerations on parallel computers with GPU.



王偉仲資料驅動建模與統計計算

資料驅動建模與統計計算

Many computer experiments conduct performance analysis and optimization while only objective function values are available. The main research focuses are the design of computer experiments and surrogate models-assisted techniques with an emphasis on software auto-tuning. We also develop efficient methods for statistical computing and optimal experiment designs.



王偉仲GPU與高效能計算

GPU 與高效能計算

We study how GPU, CPU, and heterogeneous CPU-GPU clusters can be used to accelerate scientific computations. The focuses include CPU-GPU accelerated solvers for linear systems and eigenvalue problems, fast medical image reconstructions on computed tomography, and particle swarm optimization with applications in medical and statistical sciences.



王偉仲數值方法

數值方法



王偉仲電腦輔助學習

電腦輔助學習