數據科學
含有「數據科學」共 11 篇內容
全部內容
發佈日期由新至舊
在 2024 年，Python 超越 JavaScript 成為 GitHub 上最受歡迎的程式語言，這一趨勢受數據科學和機器學習需求的推動。同時，Jupyter Notebooks 使用量激增，顯示開發者對 Python 的依賴。
謝謝您的分享❤️
「物理學家費曼："科學哲學對科學家的用處，跟鳥類學對鳥的用處一樣。"鳥不需要鳥類學指導，科學哲學也一樣無法指導科學。」
「量子力學告訴我們，規則不能決定所有事情。」
「物理理論都是一些臨時的模型。物理學並不是在探究真實世界的本質。物理學只是在試圖描寫世界的運行方式而已。」
「世界是
「直覺和生活常識非常有用，但缺乏知識的直覺會欺騙你。」
「Google對產品經理的要求是，在沒有數據之前不要輕易給出結論。」
「有些事情讓你放棄掉生活中獲得的直覺，是千難萬難。」
「有一點經驗的工程師都知道，任何產品的性能都有一個物理上無法突破的極限，
這個極限並不需要等到工
攻擊者的目的，是發展出一種方式，
能夠可靠辨認出特定的數據點，
是否包含於目前算法的訓練數據中，
以此來窺探算法的訓練數據隱私。
有另外一類的研究，叫做數據拷貝，
則是直接觀察算法的輸出，
看看算法輸出是否有過於靠近訓練數據的情形。
這種數據拷貝的觀察，
也轉成另一種成員推論攻擊的形式。
魔球記載MLB奧克蘭運動家隊的真實故事。該隊以小搏大，用數據思維選出一批從未被看好的球員，打出最瘋狂的佳績。
這本是經典老書了，書中細節大家已多有討論，我只著重在「統計數據」與「新舊觀念衝突」兩部分。透過魔球的精神，反思今天科技時代下「人」或「人才」的價值，我也會表達我對一個大趨勢形成的看法。
你會在程式裡面寫函數嗎？
通常寫函數的第一個問題，就是要給函數取名字。
名字取得不好，後來調用函數不自然，就會拖垮整個寫程式的效率。
為函數命名，也是一門技術，好的函數命名，就能提高函數被重複使用的頻率。
然而，也是在某些情況下，我們需要「一次性函數」。
沒錯，用完即丟的函數。
在機器學習中，我們的目標是找到一種能夠最好地描述數據的模型。例如，在迴歸問題中，我們希望找到一種函數，該函數能以一種對我們的目標變數(例如：銷售量、股票價格等) 的最佳估計的方式，描述輸入特徵(例如：廣告支出、市場狀況等)。
本文回答幾個問題：(一) 什麼叫做湧現；(二)湧現是什麼現象；(三)為什麼我們造不出自己的超級 AI。看完後，你會理解現在 AI 的現象跟趨勢、一些技術與專有名詞，像是參數、大型機構與他們模型的名字。
最近為了系統性複習有關時間序列的知識，在Udemy上了一堂評價不錯的課程Python for Time Series Data Analysis。整體來說，我覺得課程是值得推薦初學者的。但因為課程對於很多時間序列的模型只是淺淺帶過，如果對時間序列已經有了解的人會比較像是浪費錢。
