Episodi

  • ▍EP6:資料科學工作者的養成路徑 | 🎧 資料工作者的下班幹話群

    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    過去我們習慣的「先選擇職種再依序學習」這樣的路徑高機率會變成資料領域的井底之蛙,甚至會把自己未來的職涯可行路徑走窄;我現在比較推行的方式是:先學習資料專案,再逐步深化特定技能。比較像是一個螺旋式的學習,有點類似所謂的 MVP,從最小可行性開始設計。在這個過程中同時也在探索自己對哪一些領域比較感興趣,是更喜歡工程面的、分析面還是模型面。在求好的階段再往這些部分深入研究。最終再決定求職的目標應該怎麼設定職種

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting
  • ▍EP5:AI 崛起的前世今生(下)當代 AI 的正在進行式 | 🎧 資料工作者的下班幹話群

    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    延續上一週的主題「AI 崛起的前世今生(上)」,我們就以 ChatGPT 出現的前後作為一個分水嶺繼續聊聊當代 AI 發展的正在進行式。很多人會用「橫空出世」來描述 ChatGPT 甚或是 AI 或 GAI 的出現,但實際上 AI 早就已經在出現在大眾視野中而且實際上 AI 的出現其實在更早以前。而在 2022 年底所出現的 ChatGPT,是基於 OpenAI 從 2016 成立後逐步推動 GPT1、GPT2、GPT3 到 GPT3.5,現在的 ChatGPT 是基於 GPT3.5 所發展而來。GPT4 是在 2023 年中,最新的新聞是 GPT-4.5-Turbo 在上週發布,而大家期待的 GPT-5 也在訓練的路上。

    所以一切的推進就如同 Sam Altman 所形容的這是一個 AI 發展的莫爾定律,每隔一段時間就會有更上一階的發展。

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting
  • Episodi mancanti?

    Fai clic qui per aggiornare il feed.

  • ▍EP4:AI 崛起的前世今生(上) | 🎧 資料工作者的下班幹話群


    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    從 22 年底出現的 ChatGPT 開啟了一連串的 AI 大戰大概也經歷了一年半左右的時間,這段時間你有跟上嗎?今天這一集想跟大家分享回顧 ChatGPT 的發展脈絡,GPT 這種模型能夠根據一組的文字向量,產生出不等常且隨機的文字向量。例如一堆英文產生一堆中文的翻譯、一段長文本產生短文本的摘要,這些都是 GPT 的典型應用。

    而我們現在看到的 ChatGPT 是基於 GPT 所設計的出來,ChatGPT 能夠將聊天的上文當成輸入,而產生的下文當成是聊天的下文。

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting
  • ▍EP3:AI 時代下,人人都該自帶的數據分析技能 | 🎧 資料工作者的下班幹話群

    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    今天想與大家分享的主題是「AI 時代下,人人都該自帶的數據分析技能」,以前我們會用「分析」、「工程」或「科學」三種角色區分資料科學團隊。不過隨著 AI 技術逐漸成熟的情況下,我常常說過去十年是基礎建設時期是那些資料科學家的努力,而當 AI 工具到位的未來十年則是這些資料使用者的主場。如同我們上一集提到的「資料分析不死,會轉身為人人都需要擁有的數據分析力」那這個數據分析是究竟是什麼呢?

    我自己會定位成兩個面向:1. 更深的領域知識經驗 2. 更準的資料驅動觀點

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting
  • ▍EP2:資料分析已死?數據技能樹該怎麼點? | 🎧 資料工作者的下班幹話群 

    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    這一集想聊「資料分析已死?數據技能樹該怎麼點?」的主題,相關的論述可以追溯回去年 AI 浪潮興起,開啟了我一連串的焦慮思辨:當 AI 變強的同時,還需要學習程式嗎?還需要會分析資料嗎?還需要懂機器學習背後的理論嗎?以往我們對於「數據分析師」的工作任務,會先根據問題收集、產出各種量化數字,近一步需要深入挖掘;而對於初階分析師來說,初期會把技能點在工具的使用,例如視覺化、資料收集、資料庫,但當人人都會這些分析工具(甚或是 AI 都能自動產出)的時候,那數據分析師該如何證明自己的能力呢?

    我當時有提出一個小結論:只會利用工具但無法「解讀分析結果」的資料分析師,將會更容易變成所謂的 高風險的資料工作者

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting
  • ▍EP1:由資料科學驅動的人工智慧 | 🎧 資料工作者的下班幹話群

    ⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。

    最新一集(也是第一集的主題)為「由資料科學驅動的人工智慧」,很多人會以為資料科學(Data Science)與人工智慧(AI = Artificial Intelligence)是兩條支線。嚴格來說這樣認為也沒有錯,但作為一個長期研究資料科學技術的人來說還是有點怪怪的。因為現在大家追逐的生成式人工智慧(Generative AI;GAI),背後大量使用到資料科學、機器學習、自然語言處理(NLP)這一派的技術。

    所以你說,資料科學也許不完全等於人工智慧,但當代的人工智慧絕對是由資料科學演進驅動而來的。

    ‒‒‒
    💬 留言告訴我你對這一集的想法: https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments
    ‒‒‒

    ///

    嗨,你好,我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群,這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解,邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

    📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com
    📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platforms



    Powered by Firstory Hosting