資料分析

緯育從各個產業請來在各領域深耕多年的老師為我們整理了貼合業界的課程內容，讓我在學習的時候不僅少走很多彎路，同時在我有疑問時，能夠第一時間請老師替我解答。學習AI需要的背景知識深而且瑣碎，但是老師系統性的教學和耐心的回答讓開課前連Python都不知道的我在課堂中獲益良多！

自研究所畢業後進入職場，漸漸意識到自己在實務技能上的不足，便想針對自己缺乏的部分再做加強。經同事口耳相傳，得知緯育TibaMe的資料分析課程，這裡的老師幾乎都來自業界，他們的想法和教學都是以「業界水準」切入，實作也符合市場需求，教授內容對工作確實非常有幫助。

大學期間也有自學過比較基礎的像是Python、SQL，但是在對相關工作要求有了更多了解後，我明白自己掌握的技能是遠遠不夠勝任這方面工作的。由於本科專業較少涉及資訊相關技能，而自學的缺點也是知識不成體系、從零開始學習到熟練掌握要下一番功夫，因此想要有更系統性的學習。畢業之後，正好在當兵期間了解到TibaMe的AI智慧應用開發實戰養成班有相關的課程，於是就下定決心報名了為期半年的課程。

資料科學/人工智慧的第三階段主要工作流程為資料儲存 ，在資料分析需要的資料儲存是由資料倉儲或資料湖所建構起來。
由於資料在儲存階段是不斷變化和更新，它的即時性、完整性、一制性、準確性，都可能因為軟硬體或是環境問題而影響後期的應用。
其「資料倉儲」專為資料分析所設計，資料倉儲可包含多個資料庫。在每個資料庫中，資料被整理成資料表和資料欄。在各欄中，您可以定義資料的描述，例如整數、資料欄位或字串。導入資料時，會將資料存放在結構化的各種表格中。查詢工具使用結構描述決定要存取和分析的資料表。

資料分析領域廣泛，大致可分為資料分析師、資料工程師、業務分析師、商務分析師四大領域。但你知道他們需要的技能有哪些嗎?資料分析有9大技能需要學習和掌握
統計分析：基本統計、大數定律、抽樣推測規律、回歸、預測
視覺化輔助工具：excel、BI工具、python
大數據處理框架：Hadoop、spark
資料庫：SQL、MySql、DB
資料倉儲：SSIS、SSAS
資料探勘工具：Matlab、R語言、python
人工智慧(AI)：機器學習、深度學習
資料探勘演算法：分類、分群、關聯
程式設計語言：R、Java、python

資料科學，簡單說就是透過「資料」提取有用「知識」的技能和技術。它包含多種領域中的理論，如：數學、統計、資料探勘、圖型識別、機器學習、深度學習、資料視覺化、資料倉儲、資料模型以及高效能計算。運用各種資料幫助非該領域的人士來理解對應問題，讓我們知道如何正確處理資料，並針對政府、生物學、社會科學…等領域，進行相關研究。同時，資料科學也對企業在商業競爭有極大的助力。

近期每一家公司都想要以資料來做決策的依據，因此有了「資料科學」的這個學問。如果從人力銀行去找「資料科學、資料分析」等相關職缺，你會發現不但職缺多而且薪水很高。但是資料科學是涵蓋「工程」「數學」及「領域知識」，這沒辦法速成，也很難樣樣精通。

隨著新冠肺炎(COVID-19)爆發至今，全球各地受到嚴重的疫情影響。看著各地數據變化，想做點甚麼又發現光蒐集全球數據就頗具挑戰。剛好 Tableau公布了一個COVID-19 Data Hub計畫，其旨在提供公眾能透過此計畫提供的公開數據服務，看見數據、了解數據做出有效決策。