從入門到資深,四個數據分析工作者的職涯階段
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!
AI Your Summer - Data Governance 資料治理線上活動筆記
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。
《給新鮮人的數據分析面試指南 – 履歷準備篇》
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!
大型企業導入 ChatGPT 必須考慮的五個挑戰
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。
你的企業真的需要AI嗎?探索AI系統實際的幫助
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!
關於資料科學家的長期職涯思考
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!
淺談資料科學家的4種類型與在企業中所扮演的角色
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。
ML System Design 機器學習模型系統專案的幾個評估點
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。
探討數據分析需求訪談中的需求分析-為什麼我們會需要做實地考察?
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』。
企業內做數據分析POC的三大原則
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。
企業內最常見的兩大數據分析專案類型是什麼?
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。
在企業中進行資料科學專案,常見的角色有哪些?
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!
Cross-industry Standard process for data mining(CRISP-DM) 資料分析專案管理工具
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。
文字分析初探與常見的字詞表示方式
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。
TDSP目錄串 - Team Data Science Process 資料科學專案開發流程
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
TDSP - 在訓練模型前需要進行的資料準備工作
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。
TDSP - 評估資料科學專案情境與計畫How to identify scenarios and plan for advanced analytics data processing
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。
TDSP - Development 資料科學專案開發
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。
TDSP - Roles and Tasks 專案角色與工作項目
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。