搜尋結果
2024年1月17日 · 2023 年 11 月，目前任職於 OpenAI 、投入人工智慧領域十多年的科學家 Andrej Karpathy 上傳了一支時長一小時的影片〈Intro to Large Language Models〉（大型語言模型簡介），用深入淺出的方式分享許多關於 LLMs 的背景知識與未來預測，就算毫無程式背景
2023年11月8日 · LangChain是什麼？ AI開發者必須了解的LLM開源框架. 發佈日期: 2023 年 11 月 8 日 作者: ALPHA Camp. 內容目錄. 什麼是LangChain？ LangChain的特點. LangChain的應用場景. 為什麼AI開發者需要LangChain？ LangChain的基本架構. LangChain 如何運作. LangChin 開發範例：創建一個AI問答系統. 免費點我下載數據技能路線指南. 什麼是LangChain？ LangChain 是一個旨在為開發者提供一套工具和接口，以便更容易、更有效地利用大型語言模型（LLM）的開源框架，專注於情境感知和推理。
2024年2月26日 · 在使用 ChatGPT、Gemini 等奠基於大型語言模型（Large Language Models，以下簡稱 LLMs）的人工智慧服務時，很常會遇到一個問題就是：請它們提供與特定專業領域相關的資訊，往往只能獲得極為空泛、甚至是充滿幻覺（hallucination）的回覆。. 1 隨著越來越多的企業和組織 ...
- 如何成為數據分析師：必備的工作技能
- 數據分析師兩大工作內容：需求確認及分析
- 專業的 Data Analyst 要有哪些特質？
- 數據分析師薪水範圍
- 數據分析師的職涯發展路徑與選項
數據分析師必備的三個技能： 1. 1.1. 數據處理和分析能力：這是數據分析師的核心技能。他們需要掌握如SQL、Excel、R或Python等數據處理工具，並具有使用統計方法進行數據分析的能力。 1. 1.1. 數據視覺化：能將數據視覺化是數據分析師必備的技能之一。這需要掌握如Tableau、PowerBI等數據視覺化工具，以便能將複雜的數據以易於理解的方式呈現給決策者或非技術人員。 1. 1.1. 業務理解和問題解決能力：優秀的數據分析師不僅需要技術技能，還需要對業務有深入的理解，以便將數據分析應用於實際問題。他們需要能從業務的角度來理解和解釋數據，並能提出基於數據的解決方案。 三個成為數據分析師的學習重點：專業技能、產業知識、及批判性思考： 1. 1.1. 專業技能：Excel、程式語言...
資料分析師一天的時間分配，工作有一半時間在做分析工作「SQL 跑資料、畫報表」，然而每天花最多時間的，反而是「需求確認」！與部門同事討論、了解他們的資料分析需求。例如： 1. 1.1. 為什麼他們需要資料？ 1. 1.1. 這些資料能夠解決他們的問題嗎？ 1. 1.1. 除了他們所需的資料，我們如何挖掘其他資料，幫助他們了解的更多？ 從事數據分析工作通常要經歷幾個步驟 1. 1.1. 定義要解決的問題 1. 1.1. 收集正確數據 1. 1.1. 清理數據 1. 1.1. 數據分析與解讀 關於這些步驟更詳細的說明，請看〈資料分析 5 步驟〉這篇文章 數據分析的類別大致上有這四種： 1. 1.1. 描述分析（Descriptive analysis）：描述性分析回答 What happened...
1. 好奇心
好奇心驅動數據分析師不斷追問和探索數據背後的真實含義。這種特質促進創新思考，能夠引領分析到更深層次。在解決具有挑戰性的問題時，好奇心也可以幫助分析師發現新的解決方案和視角。
2. 批判思考
批判思考允許數據分析師理性分析數據，避免受到偏見和誤解的影響。這個特質不僅提高了分析的準確性和可靠性，還幫助分析師更好地理解問題並提出有力的解決方案。
3. 注意細節
對細節的敏感有助於發現潛在的數據錯誤和不一致。這個特質確保分析結果的品質和準確性，並有助於避免在後續工作中出現成本高昂的錯誤。
根據Glassdoor的資料，在台灣的數據分析師工資大概在年新月薪4萬到14萬之間，基本上是看資歷與工作經驗。電商的數據分析師職缺也很多，大部分的薪資都在四萬之上，根據1111人力銀行統計，目前數據分析師這個職缺就有近8000個工作機會。如果看國外網站ERI的薪資情報，台灣數據分析師的年薪平均數和中位數都在150萬。 不同的產業也都對數據分析師的需求非常旺盛，從軟體業到傳統的金融業、房仲業，都需要數據分析師的相關人才。
初級階段：數據分析師
1. 1.1. 學習基礎技能：熟悉Excel、SQL和基礎統計學。 1. 1.1. 實務經驗：進行數據清洗、初級分析，以及撰寫數據報告。 1. 1.1. 軟技能培養：加強溝通與協作能力。
中級階段：高級數據分析師
1. 1.1. 技能深化：學習R、Python進行複雜的統計分析和數據處理。 1. 1.1. 數據可視化：精通Tableau或Power BI製作報表。 1. 1.1. 跨部門協作：參與業務策略規劃，進行業務分析和預測。
高級階段：數據科學家
1. 1.1. 機器學習：掌握機器學習算法，使用如TensorFlow或PyTorch等工具。 1. 1.1. 大數據技能：學習使用Hadoop、Spark等大數據處理工具。 1. 1.1. 專案管理：能夠主導大型數據分析項目。
發佈日期: 2018 年 1 月 25 日 作者: AC 編輯群. 內容目錄. 沒有強迫症也可以進行 EBS. 確保 Issues 都能在兩天以內解決. 追蹤實耗時間. 將工程師的預算時程慎重納入專案時程的考慮因素之中. 有關 EBS 的觀察與省思. 最後的反思. 本文章感謝 Oursky 提供本 PM Blog 專欄共同公佈。 原文: How project managers and developers can both (happily!) give realistic ship dates . 作者：Ben Cheng, Oursky 創辦人. 翻譯者：Queenie So. 圖片來源: Fog Cree. 如果專案經理只站在客戶的角度思考，有時難免會陷入迷思。
2023年4月3日 · 小結. 資料探勘（Data Mining）是一種從大量資料中自動找出有價值資訊的過程。 通過使用各種統計、機器學習和AI技術，資料探勘可以幫助企業和研究者發現隱藏在資料中的模式、趨勢和關聯，從而做出更明智的決策。 Data Mining 6階段. 資料探勘 Data Mining 過程通常包括以下幾個階段： 資料收集：從不同來源收集原始資料，例如資料庫、網站、社交媒體等。 資料預處理：清理和整理資料，解決資料缺失、重複或不一致的問題。 資料轉換：將資料轉換為適合分析的格式，例如特徵提取、資料編碼等。 資料建模：應用統計、機器學習或AI演算法來挖掘資料中的模式和關聯。 評估和驗證：評估模型的性能和準確性，根據需要對模型進行調整。
2024年1月30日 · 自動化工具. Zapier ：這是一個可以幫助您自動化工作流程的工具，可以將各種不同的應用和服務連接起來，實現自動化操作。. 選擇適合自己需求的AI工具，可以幫助我們在資訊爆炸的時代中保持競爭力，並解放我們的創造潛力。. 2024 實用的 AI工具介紹，幫助你 ...
