搜尋結果
從定義開始. . 首先，我們先釐清一下 GA 對於 Bounce（跳出）的定義： 「 在一次 Session （造訪）中，如果瀏覽次數只有一次，這次造訪就算是跳出，如果瀏覽兩頁以上，就不算跳出。 一般而言，使用者只有點擊其它頁面或是重新刷新時才會產生新的瀏覽次數。 如果我們可以透過某種機制，讓訪客瀏覽一頁式網站時，捲動到某個區域以下就產生一次瀏覽次數，這次的造訪就不算是跳出了，也會同時修正 Bounce Rate 失真的問題。
這篇分享數據分析師需要的技能與工作內容。 資料科學. 資料分析 5 步驟，成為數據分析師 Data Analyst 的 Top 3 技能. Data Analysis 數據分析是將龐雜數據進行整理分類後，從中得出解決問題和進行決策的見解作為參考依據。 小至個人、大至跨國企業組織，不管是用來優化行銷、找到商業機會或是加強組織內部效率，都需要懂得能利用資料分析來提升決策品質。 數據分析師 - ALPHA Camp.
- 發散：頭洗下去的學習
- 聚焦：衝刺後，煞車急停
- 調整方式：Learning on Demand
- 下個階段的學習
開始發覺有那面牆的存在後，就更能感受到對職涯的焦慮。在那個焦慮的驅使下，結論是，最後我憑著對產品和程式的熱情，選擇了 ALPHA Camp 當作我的轉職加速器。 AC 是我第一次接觸有完整架構的程式學習課程，有點小顛覆我以往看到什麼就學什麼自學方式。 如果不拿艱澀的程式術語解釋。以往的自學方式大概像是小學二年級的暑假在家自學乘除法，看到乘法後不懂就 Google，結果查到大家都說要背九九乘法表。背起來！ 背起來之後、又看到有人說：「其實是世界是加減法所構成的，乘法和除法是人類想出來好使的工具」。然後，我又會想用二年級的腦袋繼續深究下去。當我在探究加減乘除的時候，又看到了有關「為什麼 1 + 1 會等於 2」的討論，於是我就這樣持續發散下去。明明還不會使用乘法這個數學工具，但我就已經在數學博士...
開始了 AC 課程後，因為是有架構的課程，所以我能用俯瞰的視角掌握： 1. 現階段自己的能力 2. 現在該學什麼 3. 關於額外的知識我現在該挖多深 4. 當發散過頭時我該如何設定停損點 在課程前期，因為突然進入了一個截然不同的學習框架，所以有時候會跟自己打架，常常疑惑課程給我的知識是不是不夠？我是不是該鑽得更深補足更多的背景知識？ 拿剛剛的乘法當例子：與其在茫茫資料海中，想辦法看懂一堆數學公式和觀念。不如先看一下數學課本後面的章節，才發現懂乘法和探討「為什麼 1 + 1 會等於 2」，其實間隔了這麼多的學術差距。所以，當下趕快將自己拉回來，把知識停留在九九乘法表，未來等我當博士的時候就會去探討 1 + 1 = 2 的問題了。 這樣大幅度地調整自己的學習方向和深度，讓我學習進度前進得更快，聚...
在 AC 學期 2–1 課程後，我的學習模式就進一步進化成了 Learning on Demand。跟字面上的解釋一樣，是一種「按需求」的學習方式。 我再拿數學來解讀 Learning on Demand 的各個階段。
再來看看套用新學習模式後的我在程式自學週期表的我。 對自學艱澀領域知識的自學者來說，這才是最有效的學習方式，想必下個學習階段，我還會碰到更多讓我腦漿停止運作的技術和知識。但搭配有架構的課程和現在更強的自學能力，期望自己可以靠著這個學習框架一路撞倒那個高牆。 本文轉載自 AC 校友 Richard 的 Medium
2023年12月13日 · 本文是一份線上簡報，知名分析師 Benedict Evans 自 2013 年起幾乎每年都會製作一份年度科技趨勢報告，最近他發表了 2023 年的報告，主題是《AI and Everything Else》。 這份報告並不是要回答問題，而是提供思考的方向與框架，如果你特別喜歡把時間拉長，從整體角度思考問題，我們很推薦這份簡報。 這份報稿主要探討一個問題：「這股生成式 AI 趨勢代表什麼意思？ 」他提出三大程度不同的可能性：是下一個平台的轉移（platform shift）？ 改變軟體本質？ 還是帶領我們邁向通用人工智慧（AGI）？
