資料科學家

本身從事新設備導入工作，其中也包含AOI以及其他等相關技術，未來該如何讓機台更加突破朝著自動化邁進，甚至將機台結合大數據分析而成為智慧型工廠是我一直思考的項目，之前於報章雜誌及網路看了大數據以及未來產業相關新聞之後一直深思著未來的世界發展會是怎麼回事？

第一眼看到AI資料科學家全方位學程班就被吸引住，AI本身就是很夯又帶有科幻感的話題，加上公司有新的部門成立且其中與AI有些相關，「無相關背景但想轉職進入資料科學領域」、「想成為資料科學家但不知如何有效學習」、「零基礎想學習人工智慧相關技術」等介紹，都讓我覺得上完課後，不論是轉職或是轉換部門似乎都可能實現。大部分影片都沒有很長，非常適合中午休息時觀看，真正達到隨時隨地上課的方便。

線上學習，方便自我規劃學習，由TibaMe團隊開發的「AI資料科學家全方位學程班」有這5個推薦之處！

當初會報名緯育 TibaMe的AI資料科學家-三階段全方位學程班【全面應用方案】，就是因為我決心也要執行屬於我自己的一年「超速學習計畫」，我給自己設定一年的目標，精進我的 AI 技能，並且在 AI 競賽有所成就，因為我知道現在不跳出去，之後只會更難跳脫這溫暖的舒適圈。

特徵工程是將原始數據進行一系列處理，轉爲「特徵」，更好表示預測模型處理的實際問題，提升對於未知數據的準確性。簡單說，就是建立模型的觀察值或特徵，是一個表示和展現數據的過程。
如：評估患者罹患心臟病風險的一種模型，可從他們的身高、體重、年齡、其他特徵得知，但直接使用可用功能並是最有效的做法。更有效的方式是計算體重與身高的比例，就是BMI。

從商業智慧職位角色，我們可看到有資料分析師、商業智慧經理、商業智慧總監等3個職位。資料分析師工作著重在商務上設定和實施企業商業智慧策略、制訂商業智慧分析流程、設置商業智慧標準和治理、確定業務需求、分析數據、報告見解，企業會根據工作價值設定升遷管道。

從資料工程職位角色，我們可看到有資料工程師、高級資料工程師、資料架構師和首席AI/資料科學家等4個職位。資料工程師不同於AI曾料科學家，工作著重建立數據處理流程、設計資訊架構、開發資訊架構。優化解決方案性能和維護數據處理解決方案。可了解資料工程師經過實戰經驗，更精進技術和解決方案，便可往上升遷。

從AI/資料科學職位角色，我們可看到有AI/資料科學家、高級AI/資料科學家、和首席AI/資料科學家等3個職位。工作著重在商務上確定業務需求、準備數據集、分析數據、監督數據分析、將見解轉化為結果，企業會根據工作價值設定升遷管道。