搜尋結果
2024年1月8日 · 圓餅圖 vs 長條圖 假設我們手上有三個產品的當季業績資料，分別佔了總營收的 38.7%、32.3% 與 29%，這時似乎圓餅圖和長條圖都適用。我們可以比較一下兩者——第一眼看到這兩張圖表，你的感受各自是什麼？（請參考下方兩張圖表，點擊可放大。
- 機器學習 Machine Learning
- 深度學習 Deep Learning
- 機器學習的應用
- 機器學習熱門工具
機器學習 Machine Learning （簡稱ML）是AI人工智慧的一門科學，主要研究電腦如何透過運用大量數據資料或過往的經驗，以演算法訓練、學習、改進以達到最佳化的效能，做出更好的分類、判斷和分析。 隨著硬體計算能力越來越強，數據搜集越來越多，機器學習持續技術的進步以及在商業上的廣泛應用，我們的生活會持續被運用數據學習的電腦給深刻影響著。 機器學習會運用不同類型的學習方式，根據資料的性質和希望獲得的結果，主要分為四類方法：監督式學習、非監督式學習、強化學習和半監督式學習。
深度學習 Deep Learning 是機器學習的分支，大多數的深度學習模型是基於多層神經網絡 Neural Network 模擬人腦的工作方式，演算法在數據中自行在每層挑選哪些特定的特徵是相關再進行分析，隨著數據量越大，深度學習能夠每次對其結果進行改進。 在從事機器學習時，一開始會從收集數據並清理整合的準備開始，接著將數據轉換成可以餵給模型的格式，並萃取出有意義的特徵，接著選擇適合你預期目標的模型後開始訓練。並用一些指標來評估模型並作參數的調整，接著Input更多的數據來測試模型，然後作出Output預測。 深度學習是機器學習的子集，機器學習是透過工程師在訓練數據的input與output給予一定程度的指導，讓機器從累積的訓練數據中學習後得出最佳解。深度學習則是以人腦的神經網絡...
圖像識別：Image Recongnition是最常見的 ML 應用，你在Facebook、Google上的照片能透過算法自動識別你的好友作為標記。或是用在醫療上判斷病人X光片是否有病變跡象。語音識別：Voice Recongnition可以識別語音將其轉換成文字，像是 Google Home、Siri這種語音助理服務，就是最常見的案例。預測分析：透過機器學習能將獲取到的數據分類，例如預測借款者的違約風險，判斷有哪些特質的人會是高風險者，有越多數據就能越準確。推薦系統：或是從收集到的數據判斷這名電商App的用戶現在想要買什麼東西，可以接受的價格是多少，推薦給這個客戶更符合他需求的產品。或是社群軟體更了解你的喜好與行為模式，推送給妳相關的廣告。或是交友軟體配對時，推給更適合你的菜。TensorFlow：TensorFlow 提供了一個有助於機器學習的JavaScript 庫。API 將幫助您構建和訓練模型。2024年2月23日 · 專業的 Data Analyst 要有哪些特質？. 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 ...
2024年3月25日 · 想成為前端、後端與全端工程師，必備的核心技能和就業門檻有何不同呢？. 你比較適合走哪條路呢？. 為了給更多有志成為軟體工程師的人們一條清楚的方向，我們請教從 ALPHA Camp 畢業、已成功轉職軟體工程師的學長姐們，以及業界老師和助教，列出在 ...
2023年12月11日 · 「資料分析和資料工程，有什麼不一樣？ 這個大哉問成為每個知道我過去三份工作職稱變化（Data Analyst → Data Scientist → Data Engineer）的人們必定會問的問題。 這次，就用我個人的職涯經驗來回答這個問題吧！ 閱讀本文的幾個小小提醒。 內容只會提到我實際運用上的工具、技術與知識，僅止於聽過但沒實際用過的部分就不多談。 撰文視角以我個人經驗為主，可能和網路上搜尋到的有所差異。 本文沒有談論任何機器學習（Machine Learning）或 AI，因此不會提到 Machine Learning Engineer 或任何和模型、演算法有關的事。 資料分析 Data Analysis｜從洞察到決策. 資料分析是一個著重資料意涵理解和提取背後蘊含訊息的過程。
認識數據分析該怎麼做，並深入探討資料分析師的核心職責，包括數據收集、分析技巧、視覺化工具如Tableau和Power BI的應用。.
2023年8月2日 · 「程式語言」是分析者的工具中擁有比較大的彈性與使用門檻的手段，想要怎樣的資料操作流程或模型方法都可以自己實現。 通常會有兩種情況是只有程式才能達到的： 客製化的資料處理過程，例如資料很特別、或是數量很大； 使用最新或冷門的模型，套裝軟體沒有提供。 當然使用程式語言也不是要從零開始寫程式，現在也有很多第三方的工具可以讓分析更有效率也更方便。 不同的程式語言對於資料分析的支援程式也不同，以目前主要用於資料分析的程式語言主要有三個： 程式架構與分析生態完整的 Python. 基於統計學的 R 語言. 集結 Python、R 和 C++ 一體的 Julia. 資料科學家、資料分析師、資料工程師，實務上如何在資料團隊分工. 程式架構與分析生態完整的 Python.
