〈資料科學〉彙整 - 第 5 頁，總計 5 頁

你的 Machine Learning Model 品質高嗎？ML機器學習建模 3 個常見錯誤

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。

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。

介紹AI是什麼，有哪些主要的生活應用案例，並介紹AI的產業與生成式AI的未來趨勢和人才需求

如果你正在尋找資料工程師的工作，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，從中了解數據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。