數據分析師實力培養攻略：解決模糊問題的五個步驟
身為數據分析師的核心能力之一是要能處理「模糊不清的問題」（deal with ambiguity），本文將分享五個步驟，包含一項表格工具，幫助各位讀者更有效面對數據分析工作上各種「模糊問題」。
Blog
用 AI 提高工程師的生產力，初階、資深與獨立開發者的三種不同做法
對於「工程師如何運用 AI 提高生產力」這樣的議題，本文將按照工程師的職涯階段與類型，分別討論初階工程師、資深工程師與獨立開發者可以怎麼運用 AI 增強自己的表現。
看影片學習 AI 知識與最新趨勢，為你精選四個 YouTube 頻道
我們曾經推薦過 AI 主題的電子報，也介紹過 20 個關於生成式 AI 的關鍵字，對於習慣以收看影片來吸收資訊的讀者，我們在本文精選了四個 YouTube 頻道，並且分享為英文影片加上中文字幕的方法。
數據分析師快速學習產業知識的三個方法
Erica 在資料領域工作近十年，目前在北美零售產業任職，她在文中分享如何透過自學，以及在工作場域中運用手邊的資源提升對產業知識（domain knowledge）的理解，幫助自己成為一名出色的資料分析師。
解除你的 AI 資訊焦慮，我們精選的電子報訂閱攻略
本文精選出七份中、英文的免費 AI 電子報，主題涵蓋新聞、技術與產業洞察，建議讀者從中挑選訂閱一、兩份即可。我們也會在文末分享應對資訊焦慮的四個步驟，歡迎讀者一起交流。
關於生成式 AI，產品經理（PM）需要知道的 20 個關鍵字
本文將由淺入深，快速帶你認識 20 個重要 AI 相關名詞，並簡介部分原理和幾個知名模型。這些詞彙可分為四大類：常見詞彙、大型語言模型、影像以及聲音，希望能幫助你按圖索驥，建立對生成式 AI 的基本概念。
我參加 LLM 應用開發工作坊的三個重點收穫（RAG 比原本想的還有趣！）
本文是作者記錄自己今年三月參加 ALPHA Camp 與 ihower 共同推出的「Generative AI Engineer：LLM 應用開發工作坊」，除了詳細分享三個課程內容重點，也提到課程對工程師的幫助。
數據分析技術指南：用情境解析適合你學習的程式工具
各種分析工具都擁有他獨特的優勢及適用的範圍，從傳統的統計方法到現代的機器學習技術，這些工具應用於不同場域下能發揮顯著效果，本文將舉例 5 種使用情境及搭配的分析工具，介紹如何根據具體需求選擇適合的工具來實現分析目標。
為我的筆記加上 AI：RAG 實作經驗分享與四大產品化挑戰
本文作者將 RAG 技術運用在自己總計超過 7,000 則的 Apple Notes 筆記。他除了分享實作經驗之外，也會討論 RAG 應用產品化過程中可能面臨的挑戰。文章最後則會進一步探討：當 LLM 具備長文本理解能力後，還需要 RAG 嗎？
為什麼要用 RAG？不用微調模型就能低成本讓 LLM 理解專業知識的 AI 技術
本文將介紹 RAG 的運作方式、哪些使用情境適合導入 RAG？以及為什麼 NVIDIA、Microsoft 等軟硬體科技巨頭都爭相投入這個領域。
