搜尋結果
2023年4月13日 · 資料分析 5 步驟. 立即領取. 免費點我下載數據技能路線指南. 資料清洗 data cleaning 的方法. 資料清理主要包括以下幾個方面的方法： 缺失值處理：對於缺失的數據，可以選擇填充、插值、刪除或保持不變，具體方法取決於資料的特性和缺失原因。 填充：將缺失值替換為某個常數值，如 0、平均值、中位數等。 插值：根據已有的資料對缺失值進行估算，如使用時間序列資料中的前後值進行線性插值。 刪除：若缺失值占比較低，且不影響分析結果，可以直接刪除缺失值所在的樣本。 重複值處理：對於重複的數據，可以選擇保留一個並刪除其他重複值，或者根據某些規則合併重複的資料。 異常值檢測：通過統計方法或機器學習算法識別異常值，並對其進行修改或刪除。 常用方法有：
- 數據思維：解決問題的五個步驟
- 解決問題與數據分析職能地圖應用
- 結語
數據思維不僅僅是數據分析，它是一個全面的問題解決流程。這個流程包括： 1. 定義問題：明確問題並將其量化。 2. 探索數據：找到相關數據。 3. 分析數據：運用數據進行深度分析。 4. 驗證假設：基於數據驗證你的預測。 5. 溝通決策：基於分析結果做出決策。 建立數據思維，4 週養成數據洞察力與實戰問題解決力 這個流程是循環的，意味著一次的分析和解決可能會帶來新的問題和假設。
在問題解決和數據分析的領域中，AC 數據分析職能地圖提供了一個全面的框架，涵蓋了商業應用、理論與素養、技術與工具，以及影響力等四個核心象限。本文將探討如何將這個職能地圖與問題解決的能力結合。 在問題解決和數據分析的領域中，AC 數據分析職能地圖提供了一個全面的框架，涵蓋了商業應用、理論與素養、技術與工具，以及影響力等四個核心象限。本文將探討如何將這個職能地圖與問題解決的能力結合。
問題解決和數據分析是密不可分的，AC 數據分析職能地圖為我們提供了一個全面而實用的框架。通過運用這個框架，我們不僅能更精確地定義和解決問題，還能在組織內部和外部產生更大的影響。 資料量多大算大數據？大數據為什麼重要？認識大數據的應用與工具
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
以下是一般數據分析的基本步驟： 定義問題 ：首先，我們需要明確知道我們要解決的問題是什麼。 例如，我們可能想要知道某一產品的銷售情況，或者是想要了解客戶的購買行為等。 收集數據 ：當我們知道要解決的問題後，接下來就是要收集相關的數據。 這些數據可以來自各種來源，例如公司內部的銷售數據、客戶的行為數據，或者是從外部購買的數據等。 整理和清理數據 ：數據收集後，我們通常需要先進行數據清理的工作，例如去除無效或錯誤的數據、處理缺失值等。 此外，我們也可能需要進行數據轉換的工作，例如將數據轉換成我們想要的格式等。 數據分析 ：數據清理完畢後，我們就可以進行數據分析了。 這一步通常涉及到一些統計和機器學習的方法，例如描述性統計分析、相關性分析、迴歸分析、分群分析等。
2023年7月25日 · Interpretive 意義、價值、經驗. Decisional 決定、行動. 選擇關注點：第一步就是最後一步. 關注你的位移 (A—>B) 為什麼要使用 A → B 結構？. 刻意選擇 Growth mindset 視角. 培養你的後設認知. 不要浪費有效經驗. 狀態負面時去休息；狀態正面時做 reflection.
2024年1月29日 · 能針對目標持續學習，才能持續往目標前進，也才是正確的心態和方法。如何持續學？拆解目標、階段完成、要開心 有 2 個建議：找到目標、拆解目標、分成階段去完成；開心學、不要有壓力。例如，選擇短小、容易完成的課程學習。
在一個寫程式正夯的年代，常遇到有朋友問我：「一點技術都不懂的人可以學寫程式嗎？. 學的起來嗎？. 」我的答案通常是：「當然可以學，但是學不學的起來不一定。. （ 零基礎也能學會！. 最有系統的程式設計入門線上課程 ）. 怎樣才能學的起來呢？. 我 ...
