〈資料科學〉彙整

數據分析技術指南：用情境解析適合你學習的程式工具

各種分析工具都擁有他獨特的優勢及適用的範圍，從傳統的統計方法到現代的機器學習技術，這些工具應用於不同場域下能發揮顯著效果，本文將舉例 5 種使用情境及搭配的分析工具，介紹如何根據具體需求選擇適合的工具來實現分析目標。

Data Cleaning 資料清洗，又稱為資料整理，是資料預處理過程中的一個重要環節。在進行資料分析或建立機器學習模型之前，資料清理對確保分析結果的準確性至關重要。本文將介紹資料清理的基本概念、方法，以及資料清理在實際應用中的重要性。

本文深入探討大數據（Big Data）的定義、應用場景與相關工具。讓你全面了解大數據如何改變各行各業的決策過程，並提供你處理大數據所需的專業工具。

這篇 Excel 教學，帶你一步步學會常用的函數公式和基本技巧。文章以實際情境切入，透過範例教你解決日常遇到的問題。

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。

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

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。

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。