在這篇文章中，將和大家分享我對於資深數據工作者的觀察，對於探索從入門到資深，可能會有的四個階段是什麼樣子？對於不同職涯階段有興趣的朋友，歡迎來看看囉！

這次很高興有機會參加 ALPHA Camp 的數據治理/資料治理線上講座，線上講座的內容實在太精彩了，在這邊摘要與會者的討論給大家參考。

作為一個數據分析領域的新鮮人，或是剛準備要踏入這個領域的朋友，要如何撰寫履歷表呢？以及裡面著重的重點會是什麼？這篇文章會跟你分享到這些資訊，一起來看看吧！

你的企業正在考慮使用 ChatGPT 嗎？除了享受 ChatGPT 為我們帶來的好處之外，作為企業在使用的時候，我們不得不考慮風險層面的議題，這篇文章會帶你來了解另一個面向的 ChatGPT，讓企業在採用時能夠考慮得更加全面。

你的企業問題適合透過AI來解決嗎？可能是，也可能不是。AI適合解決的問題會是什麼？哪兩個類型的問題很適合在企業內用人工智慧來解決，這篇文章可以跟你分享一些這背後的思考點！

這部影片摘要了Facebook與抖音資深分析師分享了數據分析職涯探討的內容，內容中討論到Junior剛入門與Senior資深的數據分析師的差異，以及在找工作時的一些討論；我從中也獲得了許多啟發，一起看看吧！

同樣都是數據分析人員，你知道其實有分很多種不同的類型嗎？

各自日常工作上所處理的議題也都不盡相同。

這篇文章帶大家簡單認識不一樣類型的資料科學家，與各扮演的角色和面對的日常挑戰。

在這篇文章當中，將跟大家分享ML System Design機器學習系統設計與評估的一些經驗與想法，透過在一開始做完整的評估，有助於提升專案的成功機率，這篇文章將跟大家分享四個在評估ML專案上，可以思考和琢磨的幾個點。

不知道大家在企業當中，都如何進行需求訪談？

你是否曾經想過，透過『動作分析』來分析商業上的需求呢？在這篇文章當中，我將跟大家分享我自己分析業務需求的方式，結合製造業的經驗來做『業務需求分析』。

在這篇文章中，希望可以與大家分享自己在企業內進行POC的一些心得，文章中會提及為什麼在數據分析專案中會需要做POC？POC的目標有什麼？POC的難處有哪些？以及自己在POC的經驗當中，可以分享給大家的一些做法。

在這篇文章當中，跟大家分享在企業裡面常見的數據專案類型，不同類型的數據專案，所需要考量的內容、範疇都不盡相同，這篇文章分享了兩大分類，也提及了不同類型考量點的差異，幫助大家更認識企業內的數據分析專案。

這篇文章會聊聊在一個資料科學的專案中，通常會有哪些角色；在文章中會介紹這些角色所需要處理的事情，以及為什麼這些角色是很重要的，Let’s get started！

我繪製了一張資料科學專案開發流程地圖，如果你想了解資料科學專案的開發流程，這張圖可以帶給你一個不錯的方向喔！

Cross-industry standard process for data mining，如果直接翻譯的話，是為資料探勘跨領域作業流程。

是一套針對管理資料科學專案所設計的專案管理工具，用以推動與解決資料科學與商業上的問題。

文字的訊息無所不在，人與人之間的溝通便主要是仰賴文字進行溝通，文字被用於作為訊息傳遞的一個主要媒介和工具。 這些文章或留言等等都會帶給我們某種訊息，是十分有價值的資訊。 透過分析這些文字訊息，可以找出未被發現的問題點或機會。 然而這些文字如何被分析？就會是一個很有意思的議題。

這篇是TDSP - Team Data Science Process 的目錄串

對於整個TDSP開源的專案管理架構，我挑選了其中覺得實用且可立即應用的內容進行整理

從這篇內容可以連結到所有我針對TDSP整理的筆記

資料清理與前處理，對於訓練精準的模型是很重要的；真實資料通常都來自許多不同的資料源，每個資料源的資料品質都不一致，透過資料清理，有助於理解問題與提升模型的準確度，避免訓練出有誤差的模型。

透過一些基本的評估方式，可以快速評估資料科學專案的複雜度與可能需要執行的工作量大小

使用結構化問題可以幫助我們在專案最開始的階段，做出計畫與資源的評估。

在一個資料科學專案開發中，有許多不同面向的內容要去做管理，包括敏捷式管理、版本控管、資料科學的程式開發、測試、專案進度追蹤，也會涉及到許多不同的管理工具，如何良好的做資訊的整合、追蹤、協調...，對於開發一個好的資料科學專案是至關重要的，透過良好的管理，可以提升專案的品質與成功率。

在這份文件當中，描述了一個資料科學專案裡面，會有哪些角色進行參與，以及在每一個開發流程中，對應的角色有哪些工作項目。