資料科學
11 人追踪
40 篇文章
Jeremy

Google Data Analytics 課程心得:數據分析入門的最佳途徑

Google Data Analytics是Google在Coursera雲端教學平台上開設的網路課程,這堂課跟其他 Google 課程一樣,標榜不用任何相關經驗就可以完成,官方建議一週上課 10 小時,6 個月可以上完。完成後可以拿到 Google Data Analytics Certification 證書。

数字花园 Digital Garden

Napkin——你的灵感对撞机和思想的冥想盆

我们需要促进深度思考。对此,我们需要什么样的知识管理系统?我们又如何构建适合自己的工作流?目前的个人知识管理工具又存在什么问题?

ARON HACK 亞倫害的

AI落地,資料科學專案的規劃、執行與商業影響力1 - 規劃篇

2022年2月7日,農曆年後第一個上班日,我結算了第7次的活動成效,結果A組的投資報酬率(ROI)遙遙領先17%!當進一步計算增加的毛利額時,我再次驚訝的發現,這個金額已經超過我年薪的15倍,而這個檔期的時間僅僅8天!爾後的幾次活動,A組的ROI穩定領先20-35%,即使是規模較小的活動,簡訊的發送數量較少,毛利額也能達到我年薪的30%。

ARON HACK 亞倫害的

資料科學家的工作日常3 - 建立資料團隊的文化與程式規範

對於資料科學家和數據分析師來說,雖然他們也寫程式,但他們寫程式的習慣和一般認知的工程師不太相同,甚至有些人對於寫code的背景知識明顯不足。或許你會說,「因為現在很多做數據分析的都不是本科系,理論知識當然不會那麼紮實」,我認同這是個可能的原因,但我也認為這不能當成藉口,一個專業工作者本來就應該補足自身的不足。

ARON HACK 亞倫害的

資料科學家的工作日常2 - 求職前必須了解的公司組織編制

由於資料科學家與數據分析部門出現的時間還不長,大家的認知仍有差異,或因為每間公司核心價價、管理哲學不同,導致數據團隊可能會以各種型式存在,常見的型式有三種:獨立部門、隸屬IT(Information Technology,資訊部門)或RD(Research & Development,軟體開發)、隸屬需求方部門。

ARON HACK 亞倫害的

資料科學家的工作日常1 - 在資料和程式中挖掘商業價值

雖然數據分析師是新職位,但數據分析或是資料分析的概念一點都不新。公司裡面行之有年的職位,不管是行銷、業務、採購、倉管,每個職位都需要數據,也都需要分析。隨著大數據、資料科學、機器學習、AI等酷炫的新名詞、新技術與新應用出現,所需的知識與技能多到員工爆肝也學不完。

緯緯道來

Deep Learning 原理 : Neural Network 如何分類圖像

站在 Neural Network 的角度看世界!

緯緯道來

〔程式教學〕開始深度學習之前,先了解什麼是「感知器」(Perceptron)

深度學習的第一步:Perceptron

維元

資料科學團隊的角色與配置

資料科學的浪潮更將資料科學工作者推到第一線,許多產業都能看到「資料」的影子與可能性。但是對資料科學職涯有興趣的人,該怎麼知道「哪裡有適合自己的位置」並「據以規劃自己的資料科學職涯」呢?由於資料科學需求時常是個很龐大的任務,實際上會需要一個團隊來實現。

Brandon Lan

中央極限定理

極簡;重點

Happy Lee

DMP 與 CDP - 網路廣告的數據基石

當第三方追蹤碼被淘汰,零售品牌因應網路廣告的巨變,要透過CDP掌握自己的數據,並串連DMP來提升廣告成效。網路廣告運作的基礎靠數據,而CDP是DMP是數位行銷重要的數據基石。

緯緯道來

Tensor 基本觀念 (2)

想學習 TensorFlow 嗎?不如從 Tensor 開始吧!

緯緯道來

Tensor 基本觀念 (1)

想學習 TensorFlow 嗎?不如從 Tensor 開始吧!

緯緯道來

條件機率 vs 聯合機率

花十分鐘搞懂「條件機率」與「聯合機率」的差別!

緯緯道來

使用機器學習解決問題 : 人臉辨識

前言 & 概述本篇為機器學習觀念入門的最後一篇文章。在前幾篇文章中,我們介紹了機器學習的五步驟 (定義問題、建立資料集、模型訓練、模型評估與模型推論),並說明如何應用在「房價預測」(監督式學習) 與「探索書籍風格」(非監督式學習) 的問題上。

緯緯道來

使用機器學習解決問題 : 探索書籍風格

前言 & 概述本篇為機器學習觀念入門的第 9 篇文章。在前一篇文中,我們說明如何透過機器學習五步驟 (定義問題、建立資料集、模型訓練、模型評估與模型推論) 解決「房價預測」的問題。房價預測屬於監督式學習 (Supervised Learning),在本篇文章中將會以「探索...

緯緯道來

使用機器學習解決問題 : 房價預測

前言 & 概述本篇為機器學習觀念入門的第 8 篇文章。在前五篇文章中,我們依序了解機器學習五步驟 : 定義問題、建立資料集、模型訓練、模型評估與模型推論。在本篇文章中,將會重新應用這五步驟來解決「房價預測」的問題。房價預測經常作為理解機器學習原理的例子,如果你已經具備機器...

緯緯道來

使用機器學習解決問題的五步驟 : 模型評估

前言 & 概述本篇為機器學習入門觀念的第六篇文章。在「使用機器學習解決問題的五步驟 : 模型訓練」一文中,我們介紹了模型訓練的觀念,並提到常見的模型種類。當模型完成訓練後,我們就可以來評估模型的好壞,也就是看看模型的訓練成果如何,我們稱之為「模型評估」(Model Evaluation)。

緯緯道來

使用機器學習解決問題的五步驟 : 模型訓練

前言 & 概述本篇為機器學習入門觀念的第五篇文章。在前一篇文章中,我們介紹了「建立資料集」的概念與重要性。在本篇文章中,將會說明「模型訓練」的意義。資料集到模型訓練建立資料集後,我們通常會將資料集切成兩部分 : 訓練資料集 (Training Dataset) 與測試資料集 (Test Dataset)。

緯緯道來

使用機器學習解決問題的五步驟 : 建立資料集

前言 & 概述本篇為機器學習入門觀念的第四篇文章。在前一篇文章中,我們了解到如果要使用機器學習解決問題,所經過的五個步驟。也說明了第一個步驟「定義問題」的意義。本篇文章中,我們將會學習第二步驟「建立資料集」的概念。建立資料集的意義「建立資料集」可以說是五個步驟中最重要的一...

加载中…