資料科學家

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。

無所不在的數位科技，改變了我們的生活模式，也使得經濟活動有了全新的樣貌。在持續推動產業創新發展的現在，全球多個國家都推動實施 「智慧國度計畫」，相關人工智慧及資料科學的人員職位及職能，是需要建立的重要人力資本。