〈資料科學〉彙整

Python 自學，給初學者快速上手的7個學習資源和工具

Python是最熱門的程式語言，他的通用性高應用範圍廣，尤其在數據科學和AI機器學習自動化領域被廣泛使用，這篇整理Python是什麼，有哪些Python自學資源與工具給大家。

資料科學 (Data Science) 是一門跨領域的學科，他使用數學、統計學、電腦科學以及領域相關的知識和理論，從結構化和非結構化的數據中提取知識和見解。

SQL 用來分析資料可以嗎？或是一定要用 R/Python 嗎？分析數據，該如何思考要用哪種工具？Andy 從數據量級、開發環境、應用場景 3 個面向，帶大家思考工具的選擇，並找到最適合你的分析方式。

數據分析師（Data Analyst）又稱資料分析師，一般定義是能將原始數據轉化成可用於制定決策的資訊和知識的人。這篇分享數據分析師需要的技能與工作內容。

資料科學家(Data Scientist)收集和分析大量數據。結合了計算機科學、統計學和數學來分析、處理和建模數據，然後解釋結果，為公司制定可行的計劃。這篇介紹資料科學家的工作內容和核心技能。

資料庫是存放資料的容器。但究竟什麼是「資料」？本文帶大家從最基礎的概念「資料」談起，再來則認識資料庫的歷史與類型，資料庫管理系統的功能。

SQL (Structured Query Language 結構化查詢語言) 是一種專門用來管理與查詢關聯式資料庫(Relational database)的程式語言。這篇介紹關聯式資料庫的三個特徵，帶你認識基礎的SQL語法入門。

資料在整個分析的過程中扮演非常重要的角色。在真正開始進行分析之前，會建議先透過一些簡單的觀察對資料先有初步的認識。透過系統性的方式來建立對資料的感覺。

「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。

傳統的資料科學模型通常只考慮到「產出模型」為止，著重的是如何訓練一個「好」的模型，產生交付的通常是一個模型。但有了一個好的模型之後，然後呢？