〈資料科學〉彙整 - 第 2 頁，總計 4 頁

資料科學家在做什麼？Data Scientist 工作內容與3大核心技能

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？

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 數據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。