資料科學是什麼？3 個 Data Science 的學習資源
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。
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。
資料分析第一步：觀察資料的5件事
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。
資料清理與型態調整：資料前處理必須要做的事
「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。
從資料模型到數據產品，現實會遇到的問題
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？
資料分析 5 步驟，成為數據分析師 Data Analyst 的 Top 3 技能
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。
機器學習是什麼、有何應用？和深度學習、強化學習的差異
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 跨語言 Word embedding — 什麼是跨語言模型
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。
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。
Python 網路爬蟲：學習地圖與策略
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