Loading...
「資料前處理（Data Preprocessing）」分成三個面向：1. 資料清理與型態調整 2.資料探索與 3.視覺化特徵工程。是實務上在收集完資料之後，到真正進入模型之前的重要環節。
隨著資料科學的演進，許多商業軟體都逐漸成熟。從完整的套裝軟體到實現彈性比較強的程式來說，大概可以把常見的資料分析工具分成幾種類型，有 BI 工具像是 Tableau 或 Power BI，分析模型套裝軟體像是 SAS或是 WEKA，程式語言像是 Python 或 R，這麼多工具到底怎麼選？
Data Analysis 資料分析是將龐雜數據進行整理分類後，從中得出解決問題和進行決策的見解作為參考依據。小至個人、大至跨國企業組織，不管是用來優化行銷、找到商業機會或是加強組織內部效率，都需要懂得能利用資料分析來提升決策品質。
機器學習 Machine Learning （簡稱ML）是AI人工智慧的一門科學，深度學習 Deep Learning 則是 ML的分支，這篇帶你了解他們到底是什麼、有什麼應用以及兩者的不同。
NLP（Natural Language Preprocessing）又稱為自然語言處理，常見的跨語言模型包含M-Bert、LASER、MultiFiT和XLM。由於工作專案中需要處理跨語言語料的問題（e.g. 文本當中包含了英文、法文、德文），因此開啟了 Cross-Lingual Word Embedding（跨語言詞嵌入） 的研究領域，Word embedding 是將字詞映射到一個向量空間，是一種 Word representation 的方式。
這篇文章會分享身為資料科學家，實際上在 Modeling 時容易犯的三個錯誤：NA Value、Duplicate Record、Data Leakage，這些小細節會如何影響模型及實際工作場景，以及如何避免上述狀況發生。幫助想了解 Machine Learning 或是剛踏入這個領域的人，建立出品質更好、更 robust 的模型。
在與資料密不可分的時代，如何善用資料來解決問題，培養數據思維、進而建立數據分析的能力？AC 團隊透過一系列實作，認識資料分析流程，並針對「定義問題」與「提出假設」進行深度討論。
許多人會選擇 Python 做為程式開發或資料科學的入門語言，因為其「語法容易」與「第三方資源豐富」兩個特性。所謂的「第三方資源豐富」是指，Python 可以搭配許多套件來完成特定領域的工作。Python 在爬蟲領域也如此
想了解資料與統計的同學們，常常聽到資料界的工程師說分析、模型都要用到統計的觀念，但統計的觀念是運用在哪?透過本文中的簡單例子，來介紹一些統計的概念。根據統計，我們能推測什麼。如何建立假設，開始檢定。以及統計上像是平均數、標準差及常態分布等基本知識。
大數據（Big Data) 又被稱為巨量資料，隨著儲存設備越來越便宜， 越來越大量的資料被儲存，不論企業或研究員都開始思考, 巨量資料對我們的幫助以及如何從中萃取知識。藉此產生出許多擁有高獨特性、有價值的產品。
Python、R語言、 Julia 號稱是資料科學的三大程式語言，就我自己的觀點來看，目前看起來 Python 是首選、有些比較專業的統計方法可以考慮 R ，至於 Julia 還要觀望一下。
什麼是AI人工智慧？AI是Artificial Intelligence的縮寫，指的是由人類製造出能模仿人類思考與行為的機器系統，現在AI在生活與商業上的應用已經非常廣泛，這篇介紹主要的AI產業發展趨勢與人才的需求。
如果你正在尋找 Data Engineer 的工作，或是期待踏入相關領域，這篇蒐集並整理了大量的業界面試流程與常見的面試題庫 35 題，用面試官的角度思考，從中了解資料工程師的工作內容是什麼，以及雇主對 Data Engineer 關注的4個能力重點
資料科學家、資料分析師和資料工程師，在資料團隊實務工作上，不同的技能是如何分工。資料科學家與資料工程師的差異、資料分析師在做什麼？模型「部署/上線」的工作誰來做？ ALPHA Camp 資料工程師維元帶你解析。
想進入資料科學領域，成為資料科學家，除了機器學習硬技能的掌握外，更重要的是擁有分析問題的思維。印尼獨角獸電商資料科學協理，透過案例拆解，深入探討如何用資料科學處理實際的商業問題。
資料科學家是近年最炙手可熱的職位，到底資料科學家在做什麼？想開啟資料科學家職涯，該具備哪些特質與技能？主張數據創辦人暨執行長 Tammy，將分享她如何從物理博士轉變為資料科學家，並解惑資料科學、AI 領域相關問題。
ALPHA Camp 的使命是「幫助人們發展有意義、有價值的職涯」。自 2014 年以來，我們以新加坡和台灣為教學據點，培訓超過 6500 名學員。校友遍及台灣、新加坡、中國、以及全球的科技新創。
.jpg)
