付費限定
創作屬於我的數據分析 Road Map
前言：
這篇文章會以提供學習素材以及方法的方式，分享給讀者們，也希望自己可以跟著適合自己步調的學習地圖走得更遠。
我也是數據分析初心者，所以需要一本武功秘笈，可惜沒有適合我的絕世武功，那不如我們自創一本！
二十一世紀的我們，在前往數據科學家的路上，妄想著加入最性感職業的行列，尋尋覓覓地，讀著程式相關的書籍、無意識的購入統計的線上課程、看著龐大的數據庫，我很迷茫，我也不知道自己在哪裡，因此，創作屬於我的數據分析 Road Map 是目前最適合的解方。
正如前言所述，在這個數據分析的汪洋大海上，我看不見盡頭，因此我的羅盤，就是指引我的明燈，當初是因為看了 Ken Jee 的影片，有了創造適合自己步調的學習地圖，像是必備的程式語言、統計分析、Domain Knowledge。
你的見面禮 Premium 閱讀權限
只剩下0 小時 0 分
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
從範例學python的目標讀者:
針對剛進入的初學者，想學習Python語言。
有基礎本數學邏輯基礎即可。
從小遊戲學python的目標讀者:
針對已經有經驗的C/C++, Python, 或其他有程式基礎的讀者。
想實作一些小專案，從實做中學習如何分析需求、元件分拆、到底層實作
數據分析與解讀
隨著數據的爆炸式增長，能夠分析、解讀和應用數據的能力變得至關重要。這包括熟悉數據分析工具和技術，如統計學、數據挖掘、機器學習等。然而，僅靠短時間的數據分析並不足以提供深入見解。
要熟悉數據分析工具和技術，如統計學、數據挖掘和機器學習，可以從以下幾個方面入手：
基礎知識的學習
Python擁有便攜性和通用性，適用於多種場景，同時具有全球通用性。Python在科技製造業、資料分析、人工智慧等領域有廣泛應用，對於理工科背景者而言有獨特的優勢。透過在線課程、自學書籍、實作專案，以及參與社群和開源專案，理工背景者可以達成從轉職進入Python程式領域的目標。
數據分析是現代社會的核心技能，適用於各行各業。無論是在市場營銷、財務管理，還是產品開發中，數據分析都扮演著至關重要的角色。提升數據敏感度有助於提高分析的準確性和效率，使我們能夠迅速找到關鍵信息，進而做出明智的決策。本文將探討數據分析訓練方法，提供實用案例，幫助初學者快速掌握數據分析技術。
在一次五天的年假中，我決定開始學習Python編程。雖然最初進展順利，但後來發現自己在解題和邏輯方面遇到了困難。經過思考後，我決定轉而學習C/C++，並且制定了一個計畫，希望成為一名後端工程師。這將需要挑戰我的時間管理能力。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
你正在學習編程，探索算法和數據結構，在這個過程中，你會遇到許多複雜的問題，比如如何分析算法的性能、如何證明算法的正確性，以及如何解決優化問題。這時，你會發現《Concrete Mathematics》是一個非常有用的資源。
轉職數據分析師是一項需要長期努力的過程。對於文組生來說，由於缺乏數學、統計、程式設計等方面的基礎，在轉職過程中往往會面臨更多的挑戰。因此，制定一個合理的學習計劃，對於提高轉職成功率至關重要。
以下是一些規劃轉職數據分析師學習進度表的建議：
第一步：確認你的優勢和劣勢
在開始學習之前，我們首先要
這是文科轉職數據工程師系列的第一篇文章。
許多人會在轉職前上許多數據分析課程，該怎麼選擇比較適合自己，但又不會噴錢呢？
這篇文章要介紹這個轉職過程前的準備工作。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
從範例學python的目標讀者:
針對剛進入的初學者，想學習Python語言。
有基礎本數學邏輯基礎即可。
從小遊戲學python的目標讀者:
針對已經有經驗的C/C++, Python, 或其他有程式基礎的讀者。
想實作一些小專案，從實做中學習如何分析需求、元件分拆、到底層實作
數據分析與解讀
隨著數據的爆炸式增長，能夠分析、解讀和應用數據的能力變得至關重要。這包括熟悉數據分析工具和技術，如統計學、數據挖掘、機器學習等。然而，僅靠短時間的數據分析並不足以提供深入見解。
要熟悉數據分析工具和技術，如統計學、數據挖掘和機器學習，可以從以下幾個方面入手：
基礎知識的學習
Python擁有便攜性和通用性，適用於多種場景，同時具有全球通用性。Python在科技製造業、資料分析、人工智慧等領域有廣泛應用，對於理工科背景者而言有獨特的優勢。透過在線課程、自學書籍、實作專案，以及參與社群和開源專案，理工背景者可以達成從轉職進入Python程式領域的目標。
數據分析是現代社會的核心技能，適用於各行各業。無論是在市場營銷、財務管理，還是產品開發中，數據分析都扮演著至關重要的角色。提升數據敏感度有助於提高分析的準確性和效率，使我們能夠迅速找到關鍵信息，進而做出明智的決策。本文將探討數據分析訓練方法，提供實用案例，幫助初學者快速掌握數據分析技術。
在一次五天的年假中，我決定開始學習Python編程。雖然最初進展順利，但後來發現自己在解題和邏輯方面遇到了困難。經過思考後，我決定轉而學習C/C++，並且制定了一個計畫，希望成為一名後端工程師。這將需要挑戰我的時間管理能力。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
你正在學習編程，探索算法和數據結構，在這個過程中，你會遇到許多複雜的問題，比如如何分析算法的性能、如何證明算法的正確性，以及如何解決優化問題。這時，你會發現《Concrete Mathematics》是一個非常有用的資源。
轉職數據分析師是一項需要長期努力的過程。對於文組生來說，由於缺乏數學、統計、程式設計等方面的基礎，在轉職過程中往往會面臨更多的挑戰。因此，制定一個合理的學習計劃，對於提高轉職成功率至關重要。
以下是一些規劃轉職數據分析師學習進度表的建議：
第一步：確認你的優勢和劣勢
在開始學習之前，我們首先要
這是文科轉職數據工程師系列的第一篇文章。
許多人會在轉職前上許多數據分析課程，該怎麼選擇比較適合自己，但又不會噴錢呢？
這篇文章要介紹這個轉職過程前的準備工作。