搜尋結果
2024年2月20日 · 演算法(Algorithm)是一系列有條理的步驟，能用於計算、解決問題、做出決定。這篇文章簡單介紹演算法的類型，有什麼應用的例子以及如何評估演算法
2023年3月22日 · 1. 簡介. 2. 上班常用 Excel 技巧. 2.1 使用快捷鍵. 2.2 使用自動填充功能. 2.3 使用數據驗證. 2.4 使用條件格式化. 3. Excel 常用函數和基礎公式教學. 3.1 SUM 函數. 3.2 AVERAGE 函數. 3.3 COUNT 函數. 3.4 IF 函數. 案例實作. 免費點我下載完整數據分析案例. 4. 解決不同問題的 Excel 公式與函數. 4.1 將多個文本字符串連接時. 4.2 查找相關數據時. 4.3 計算範圍中滿足特定條件的單元格的數量時. 4.4 基於一系列條件來進行計算時. 4.5 在列表或數據集中找到最大值或最小值時. 4.6 對日期進行操作時. 案例實作. 複雜函數案例實作. 資料科學和 Excel 有什麼關係？ 1. 簡介.
2024年2月22日 · 1. 拆解 (decomposition) 2. 辨識規律 (pattern recognition) 3.抽象化 (abstraction) 演算法 (algorithm)設計. 生活中用到運算思維的例子. 如何培養運算思維. 總結. 我們常會聽到「演算法」和「運算思維」這兩個名詞，但卻不太了解他們實際的意涵。 演算法和運算思維，除了是學習程式的重要基礎，也能幫助你邏輯思考、解決問題。 這篇文章就用實際的範例，帶你了解演算法和運算思維是什麼？ 以及學習他們的重要性。 什麼是運算思維 (Computational Thinking)？ 運算思維是一種思考過程。 微軟研究院全球副總裁周以真（Jeannette Wing）對運算思維的定義如下： 「 運算思維是一個思考的程序。
2023年7月24日 · 從面試重點了解資料工程師. 那我們開始吧！ 我們先看看兩張關於統計的meme圖. 為什麼左圖江南大叔那麼看起來意氣風發，然後右圖的小熊看起來有點無奈？ 還有那個P又是什麼意思. 根據統計，我們能推測什麼. 剛開始想了解統計的人可能會好奇這樣一個情境，我們有兩組數據，經過計算之後，我們知道了平均數，最大值最小值等等的數字，那我們還能對這兩組數據做些什麼？ 我們能不能透過這兩組數據，講出一個推測的結論呢？ 好比說假設這樣一個例子，你是一名教育業者，專注在開發學童線上學習平台，所以你招來了100位小朋友，平分為兩組，A組在平常放學之後，再給他們一個線上學習帳號，並且要他們放學回家之後還要上線加強學習並且交作業簽到。
但實務上會用到演算法嗎？ 軟體工程師到底該不該學演算法？ 11 月份 ALPHA Camp AMA 活動，特別邀請到任職頂尖軟體外商的資深工程師 Brian，與校長 Bernard 一起直播，分享從歷史系自學踏上軟體工程師的歷程，並深入解析演算法的應用場景，及演算法面試心法。 Brian 指出，「對演算法的深度理解，決定了普通工程師與優秀工程師的分野！ 」想讓軟體工程師職涯有所提升，不可錯過演算法。 歷史系畢業，跨領域轉職外商軟體工程師的職涯之路. 大學念歷史系的 Brian，為什麼最後會成為軟體工程師？ 他解釋道，念歷史是興趣，而自己從小就有創業夢，他觀察「軟體創業」低門檻，又是未來趨勢，於是他大學開始自學程式、修程式學程，大四開始獨立接案，畢業後與朋友一起創業做 APP。
2024年1月29日 · 我們想要解決的問題是什麼？ 會需要用到什麼數據？ 資料的來源有什麼？ 數據的類型跟種類有什麼？ 適合用什麼樣的模型？ 你會發現「模型」是最後才會想到的，前面比較重要其實是「資料」這件事。 因此整個資料科學的核心，還是從資料開始定義問題。 以同一份的資料來說，可以定義成監督式學習，也可以用非監督式學習的角度切入，就看你從哪個問題切入。 觀察資料的 N 件事. 那真正要開始一個專案的時候，會先收集一堆的資料準備分析。 而在真正開始進行分析之前，會建議先初步觀察手邊資料，讓自己對資料先有第一層的認識。 一方面有助於我們進行資料預處理，另一方面在進行特徵工程時可以給我們一些思路。 這邊向大家分享我自己在拿到資料之後的操作流程，希望透過系統性的方式來建立對資料的感覺。
2024年3月29日 · 1. 定義與拆解問題. 需要資料分析的場景，必然先有一個要解決的問題，例如客戶為什麼用戶在App使用後留不住，哪些廣告投放的渠道最有效等等。 拆解不同的商業情境，把情境變成「資料能夠回答」的問題，你需要決定使用哪種類型的數據分析，追蹤並分析哪些明確的數據指標，以及要如何測量這些指標。 正確的定義問題步驟應為： 定義問題時，首先要釐清背後的目的 ：目的決定該解決的問題。 不要直接想解決方法，而是先釐清要解決的問題是什麼； 針對問題進行前置研究，並拆解下一層的問題： 透過前置研究，能掌握整個問題的脈絡及背景，並更精準拆解出下一層的問題； 將抽象的問題轉換為可量化的指標：透過量化指標讓問題可以被資料驗證重現。 立即領取. 免費點我下載完整數據分析案例.
