2020年3月11日 加入
4
篇貼文
15
獲得讚
0
則留言
嗨，我是維元，最近規劃了一堂【資料科學家的 12 堂心法養成課】的線上直播課程。透過 12 + X 的課程，會介紹資料科學的發展脈絡與資料專案的起承轉合，如何有系統性地實踐一個資料專案。我們會針對這些常見的「#資料」觀念與背景作一系列的介紹，逐步建構全面的資料分析心法。 📍 報名頁面： https://weiyuan.pse.is/39b6kn 📍 報名頁面： https://weiyuan.pse.is/39b6kn 📍 報名頁面： https://weiyuan.pse.is/39b6kn 歡迎對資料科學有興趣的小夥伴，一起來玩玩 🚀🚀🚀
這是一個資料的時代，人人好像都需要會一點運用資料的能力。本系列文章會從一個新手資料科學家的角度來看待資料科學這個技術的發展與演進，分享資料思維該如何影響與實踐。結合理論與實作去探索資料科學的真實世界。如何一步一步的，培養資料時代下的思維與技術。 本課程將每週進行一次線上直播，總共 12 + 2 場活動，直播後會同步釋出課程內容文章與直播影片。直播時間一次一個小時，會包含 40 分鐘的主題分享與 20 分鐘的線上討論。課程內容將會談到資料科學的發展脈絡，以及一個資料專案該如何發起，開始後該如何實現，逐步建構全面的資料分析心法。 ■ 適合對象 資料科學專案通常會有一個團隊組成，當中可能會包含來自不同背影和領域的夥伴，在學習的路上，你是否曾經有以下問題： * 對資料科學有興趣但還在觀望，不確定資料科學到底在做什麼？ * 有程式基礎與資料分析的實作能力，但常常不知道方法間要如何選擇？ * 新手資料科學開發者，需要建立完善的資料思維與合作能力？ ■ 主題內容 面對巨量成長的資料，人人都需要具有一點關於資料的技能與敏銳度。在這一堂課程中，我們將介紹「一個資料專案的起承轉合」，如何有系統性地開始並實踐一個資料專案。第一階的課程分為以下課程： 01 資料時代的過去、現在與未來 資料科學的興起與背景 統計學、資料探勘與機器學習的差異 巨量資料與開放資料 02 資料團隊的組成 03 資料專案的思考流程 04 資料來源與取得 05 定義問題與觀察資料 06 資料清理與特徵工程 07 資料探索與視覺化 08 資料分析與統計模型 - 因果 09 資料探勘與機器學習模型 - 關聯 10 分類法和分群法 11 深度學習與人工智慧 12 「模型」之外的事 - 評估、量化與優化 13 解鎖課程 #01：資料科學能力的技能地圖 14 解鎖課程 #02：資料分析工具入門 📌 報名網址： https://pse.is/wag3a 📌 報名網址： https://pse.is/wag3a 📌 報名網址： https://pse.is/wag3a
嗨各位，我是威威，前兩年因為一些機會接了幾個計概補習班講師和家教的工作。過程中花了很多時間解題，準備了完整的轉學考/碩士班課程與題庫班的講義。重點都是以考題為主要導向，所以包含大量的練習範例和歷年考古題。 很多非本科系的學弟妹最後也能如願進入還不錯的學校，內容應該是還不錯的。剛好最近工作轉換，因此想把他們整理之後拿出來販賣/分享，幫助到更多的人：） 最近開始有一些學校放榜，陸續有一些學生反應考試的結果還不錯。利用講義內容搭配章節習題快速檢驗，並且提供單元小考和模擬考能夠精準掌握考題動向。另外，能夠跟老師線上討論對於卡關不知道怎麼辦的情況下，是非常有幫助的。 > ## 最新榜單 （2020） * 政大資管 - 正取 * 1 * 政大資科 - 正取/備取 * 2 * 清大工工 - 正取 * 1 * 清大資工 - 正取/備取 * 2 * 中央資工 - 正取 * 2 * 中正資工 - 正取 * 2 * 師大資工 - 正取 * 2 > ## 購買連結 * 蝦皮購物：https://sho.pe/QMNYW 最後，如果是因為經濟困難或準備上毫無頭緒的同學，也可以私訊跟我討論。我很樂意跟分享關於轉學考或是資訊產業相關的問題：）
目前在多間新創公司擔任工程師/技術顧問，數次擔任國內大型技術會議講者經驗。主要擅長網站開發及資料科學，熟悉的語言是 Python 跟 JavaScript。平時喜歡許多與不同背景的人交流，分享資訊思維與跨領域的整合。 從在學期間就持續進行程式「實體課程」與「一對一家教」，累積大量教學經驗。涉略的主題有資料爬蟲、資料分析、網站前後端開發、視覺化等等的議題。根據學員的需求進行討論，針對其需求安排一套客製化的課程。能夠從淺入深，講解原理與透過範例帶領學員慢慢走進程式開發的思維。 > 可以教學的科目： * 資料科學：Python、R、資料爬蟲、資料分析、機器學習、資料視覺化... * 網站開發：前端 (JavaScript, React)、後端 (Node, PHP...) * 資工/資管所入學考試解題（計概/資料結構/作業系統/計算機組織...） * Leetcode/HackerRank/Kaggle 競賽輔導 > 課程進行方式： * 系統化教學：安排課程內容，透過完整且系統性地分享主題 * 專案導向教學：根據學員需求，協助規劃專案進行，並以完成該專案實作教學 * 問答式諮詢：不特別準備完整課程，根據學員遇到的問題進行解析與補充 因應每個人有不同的背景跟目標，設計了各種不同的上課方式。有些人可能需要的地毯式的基礎建立，有些人需要的是能夠即時討論問題。所以規劃了幾種不一樣的模式，希望可以更彈性的讓每個人的付出可以獲得成就。 如果你在程式的學習之路遇到了茫然與困惑，歡迎站內信與我聊聊：）