🎧 資料工作者的下班幹話群

▍EP6：資料科學工作者的養成路徑 | 🎧 資料工作者的下班幹話群⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。過去我們習慣的「先選擇職種再依序學習」這樣的路徑高機率會變成資料領域的井底之蛙，甚至會把自己未來的職涯可行路徑走窄；我現在比較推行的方式是：先學習資料專案，再逐步深化特定技能。比較像是一個螺旋式的學習，有點類似所謂的 MVP，從最小可行性開始設計。在這個過程中同時也在探索自己對哪一些領域比較感興趣，是更喜歡工程面的、分析面還是模型面。在求好的階段再往這些部分深入研究。最終再決定求職的目標應該怎麼設定職種‒‒‒💬 留言告訴我你對這一集的想法： https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments‒‒‒///嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platformsPowered by Firstory Hosting

▍EP5：AI 崛起的前世今生（下）當代 AI 的正在進行式 | 🎧 資料工作者的下班幹話群⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。延續上一週的主題「AI 崛起的前世今生（上）」，我們就以 ChatGPT 出現的前後作為一個分水嶺繼續聊聊當代 AI 發展的正在進行式。很多人會用「橫空出世」來描述 ChatGPT 甚或是 AI 或 GAI 的出現，但實際上 AI 早就已經在出現在大眾視野中而且實際上 AI 的出現其實在更早以前。而在 2022 年底所出現的 ChatGPT，是基於 OpenAI 從 2016 成立後逐步推動 GPT1、GPT2、GPT3 到 GPT3.5，現在的 ChatGPT 是基於 GPT3.5 所發展而來。GPT4 是在 2023 年中，最新的新聞是 GPT-4.5-Turbo 在上週發布，而大家期待的 GPT-5 也在訓練的路上。所以一切的推進就如同 Sam Altman 所形容的這是一個 AI 發展的莫爾定律，每隔一段時間就會有更上一階的發展。‒‒‒💬 留言告訴我你對這一集的想法： https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments‒‒‒///嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platformsPowered by Firstory Hosting

▍EP4：AI 崛起的前世今生（上） | 🎧 資料工作者的下班幹話群⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。從 22 年底出現的 ChatGPT 開啟了一連串的 AI 大戰大概也經歷了一年半左右的時間，這段時間你有跟上嗎？今天這一集想跟大家分享回顧 ChatGPT 的發展脈絡，GPT 這種模型能夠根據一組的文字向量，產生出不等常且隨機的文字向量。例如一堆英文產生一堆中文的翻譯、一段長文本產生短文本的摘要，這些都是 GPT 的典型應用。而我們現在看到的 ChatGPT 是基於 GPT 所設計的出來，ChatGPT 能夠將聊天的上文當成輸入，而產生的下文當成是聊天的下文。‒‒‒💬 留言告訴我你對這一集的想法： https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments‒‒‒///嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platformsPowered by Firstory Hosting

▍EP3：AI 時代下，人人都該自帶的數據分析技能 | 🎧 資料工作者的下班幹話群⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。今天想與大家分享的主題是「AI 時代下，人人都該自帶的數據分析技能」，以前我們會用「分析」、「工程」或「科學」三種角色區分資料科學團隊。不過隨著 AI 技術逐漸成熟的情況下，我常常說過去十年是基礎建設時期是那些資料科學家的努力，而當 AI 工具到位的未來十年則是這些資料使用者的主場。如同我們上一集提到的「資料分析不死，會轉身為人人都需要擁有的數據分析力」那這個數據分析是究竟是什麼呢？我自己會定位成兩個面向：1. 更深的領域知識經驗 2. 更準的資料驅動觀點‒‒‒💬 留言告訴我你對這一集的想法： https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments‒‒‒///嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platformsPowered by Firstory Hosting

▍EP2：資料分析已死？數據技能樹該怎麼點？ | 🎧 資料工作者的下班幹話群⚡ 全新 Podcast 節目 🎧 資料工作者的下班幹話群 將於每週一同步發布。這一集想聊「資料分析已死？數據技能樹該怎麼點？」的主題，相關的論述可以追溯回去年 AI 浪潮興起，開啟了我一連串的焦慮思辨：當 AI 變強的同時，還需要學習程式嗎？還需要會分析資料嗎？還需要懂機器學習背後的理論嗎？以往我們對於「數據分析師」的工作任務，會先根據問題收集、產出各種量化數字，近一步需要深入挖掘；而對於初階分析師來說，初期會把技能點在工具的使用，例如視覺化、資料收集、資料庫，但當人人都會這些分析工具（甚或是 AI 都能自動產出）的時候，那數據分析師該如何證明自己的能力呢？我當時有提出一個小結論：只會利用工具但無法「解讀分析結果」的資料分析師，將會更容易變成所謂的 高風險的資料工作者‒‒‒💬 留言告訴我你對這一集的想法： https://open.firstory.me/user/cltvmgw9f000201rh6eg493s8/comments‒‒‒///嗨，你好，我是維元 👋 斜槓經營 #資料科學家的工作日常 Facebook 粉專 與 Instagram 社群，這次會用兩個全新的渠道持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️📌 📰 Data + AI = ∞ ➟ https://aitalk.substack.com📌 🎧 資料工作者的下班幹話群 ➟ https://open.firstory.me/user/aitalk/platformsPowered by Firstory Hosting