AI、Data 與 Web，跨領域的資料科學工作者之路 - 維元
tags: WebConf2024
共筆
https://hackmd.io/@webconf/BJ2N6ksMke/%2FXuOekBPwQg6rSV1_-7mgDg
資料科學：從資料中找關係
從數據中取出有價值的部分來生產
現代資料科學：在大數據資料中找到原本不知道的事情或關係 
每個人起始點不同，怎麼準備面試？比旁邊的人多會一點就行
這些年，各行個業開始導入人工智慧
資料專案需要的是一支團隊
| 資料探索 | 資料工程 | 分析模型 | 理論研究 | |
|---|---|---|---|---|
| 資料分析師 | ✅ | |||
| 商業分析師 | ✅ | ✅ | ||
| 資料工程師 | ✅ | ✅ | ✅ | |
| ML工程師 | ✅ | ✅ | ✅ | |
| 資料科學家 | ✅ |
資料團隊的三種角色
- 資料工程師
- 整理資料
- 資料分析師
- 探索資料
- 資料科學家
- 挖掘資料
流程
不同背景的成長學習路徑
各種角色需要的技能不太一樣
資料工程師其實跟後端工程師在做的事很像
資料工程師是什麼？
現在每個月都有一個新職種出現
人工智慧的幾種路線
請問現在的資料分析或資料科學工作者，應該如何安排或規劃學習地圖？
求職門檻
- 能夠獨立完整做出一個資料專案
- 先求有、再求好
- 不用在一個專案中什麼都想包
AI 工具越來越厲害，好奇該怎麼加強或培養技能樹？ 建議持續精進自己成為專精的技術人士還是跨領技能？
成為會 AI 的人
真實世界的 AI
資料需求金字塔
不同階段，選擇不同
初學階段：選門檻高的 作品階段：選時間內做得出來的 求職階段：選熱門 實務階段：選熟悉的