搜尋結果
2024年2月26日 · 1 隨著越來越多的企業和組織期許能夠將 LLMs 應用到生活以及工作的各個領域，如何產生客製化的 LLMs 便成為人們關注的焦點，而名為「檢索增強生成」 （Retrieval-Augmented Generation，縮寫為 RAG）就是值得我們重視的其中一項技術。 本文將介紹 RAG 的運作方式、哪些使用情境適合導入 RAG？ 以及為什麼 NVIDIA、Microsoft 等軟硬體科技巨頭都爭相投入這個領域。 （編按：想要進一步知道 RAG 實作與產品化要考量的面向，可以閱讀這篇 〈為我的筆記加上 AI：RAG 實作經驗分享與四大產品化挑戰〉 。 什麼是 RAG？ 跟模型微調有什麼差別？
2024年3月7日 · RAG 是什麼？ RAG 解決了大型語言模型（LLM）實際應用時的兩大侷限：幻想（hallucination）與資料時限。 RAG 結合「資訊檢索（retrieval）」和「生成（generation）」：在文本生成之前，先從資料庫中檢索相關的資料放入上下文，以確保 LLM 可依照正確的最新資訊生成結果。 看似複雜，其實相當直覺——既然大型語言模型受限於缺乏最新資料，那我們就在生成時，提前準備好「小抄」，讓它照著回答。 這裡借用並小幅修改 InfuseAI 工程師劉詩雁的比喻： 1 想像在參加考試前，如果我們完全不清楚範圍，現場很可能因為沒有讀過，只好胡謅一通；然而如果老師已經事先列出會考的頁數，並開放考試時可以「開書考」，我們就可以現場從書中找到資料並寫下答案。
2023年11月8日 · 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。
- 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。
2023年2月7日 · 數據收集. 4. 數據分析. 5. 報告撰寫. 免費點我下載完整數據分析案例. 1. SWOT分析. 2. 五力分析模型. 如何用數據做競品分析. 定性分析. 定量分析. 數據可視化. 結語. 競品分析是商業戰略中不可或缺的一環，幫助企業揭示對手的策略與市場定位，從而在市場競爭中站穩腳跟。 這項分析不僅僅是搜集數據，更重要的是將數據轉化為洞察力，進而制定策略。 以下將詳細介紹競品分析的步驟、框架與方法。 一、競品分析的重要性. 競品分析能夠揭示市場趨勢、對手動態和潛在風險，為企業提供決策支持。 通過詳細的分析，企業可以發現市場機會，避免盲目決策所帶來的風險。 二、競品分析的五個步驟. 1. 確定分析目標. 首先要清楚您想從競品分析中獲得什麼資訊。
2024年2月20日 · 資料科學家在做什麼？ Data Scientist 工作內容與3大核心技能. 發佈日期: 2022 年 5 月 28 日 作者: ALPHA Camp. 內容目錄. 資料科學家工作內容，從實際案例分析. 免費點我下載數據技能路線指南. 資料科學家需具備什麼核心技能與特質？ 常見入門資料科學領域的三大背景. 資料分析師、資料科學家、資料工程師，有何差異？ 想成為資料科學家，如何累積作品？ 小結. 資料科學家 (Data Scientist)收集和分析大量結構化和非結構化數據。 資料科學家的角色結合了計算機科學、統計學和數學。 他們分析、處理和建模數據，然後解釋結果，為公司制定可行的計劃。 資料科學家工作內容，從實際案例分析. 資料科學家的工作主要為溝通、分析，提出解決方案，但具體怎麼執行？
2023年11月28日 · 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。 What is Machine Learning? Watch on. 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。 監督式學習 Supervised learning：
