104學習精靈

資料探勘

資料探勘
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「資料探勘：負責從大量數據中發掘有價值的資訊，以支持業務決策並提升經營效益。主要責任包括制定數據分析策略、使用各種數據探勘技術（如機器學習、統計分析）來識別趨勢與模式，以及撰寫報告以清楚呈現結果。要求具備強大的數據處理能力與編程技能（如Python、R），並熟悉資料庫管理（如SQL）。此外，需具備良好的跨部門協作與溝通技巧，以便有效解釋分析結果並推動改善措施，特別是在快速變動的台灣市場環境中，應對資料完整性與準確性挑戰。」
關於教室
關注人數 12 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 資料探勘
    • 關於教室
    關注人數 12 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 資料探勘
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    資料探勘 學習推薦

    全部
    影片
    文章
    每日推薦一堂課
    關注
    一零四線上嚴選

    小編

    2022/10/08

    [AI關鍵技能：資料探勘] 一步到位_原理、分類及聚類演算
    這兩週連續介紹兩個AI關鍵技術，本週是另一個關鍵技術「資料探勘」；
    這兩週所分享的機器學習與資料探勘，可以做到的不只是 AlphaGO 所能做到的與人類下棋，更可以擴大應用範圍至網路電商的商品推薦、製造業的自動化製造流程等，所以會被視為關鍵技術。
    本週課程專門針對「資料探勘」來分享；本課程我們可以獲得以下知識技能：資料探勘的原理、關聯規則原理與實務、分類原理、聚類原理、平均聚類演算法、階層聚類技術、DBSCAN密度式聚類法等。
    那需要如何依序學習呢？ 課程將分為三大部分進行教學，分別為：資料探勘概論及關聯規則、分類概念與技術、聚類概念與技術。
    第一部分資料探勘部分，老師從學習方法開始分享，讓我們往後接觸時，可以快速掌握；接下來就會定義資料探勘的意義，以了解其重要性。之後，將會帶我們知道目前主要技術有哪些、各自在哪些地方應用、業界常用的專業用語；，在第一部份下半段，會開始學習Apriori 及 FP-Growth 兩種演算法；透過兩種演算法所獲得的資料支持度與信賴度該如何看。
    第二部分及第三部份分別要學分類與聚類概念；將會以演算法帶大家了解分類與聚類演算法；除了演算法的部分是必要的技術外，還會學習如何衡量分類模型準確性、決策樹、屬性選擇指標、屬性分割等。
    這門課程希望參與的學員能夠一次帶領大家學會資料探勘所有觀念及技術。
    推薦課程網址：
    祝您 工作順利、學習愉快
    104學習精靈小編 陪您每日學習成長1%
    看更多
    [AI關鍵技能：資料探勘] 一步到位_原理、分類及聚類演算
    0 0 507 0

    熱門精選

    職涯學習課程專文推薦
    關注
    104學習精靈

    產品

    06/13 12:46

    【免費報名：產品經理學習營說明會】零經驗轉職產品經理！有經驗PM累積產品作品資歷！｜商業思維學院X104人力銀行
    ▮ 產品經理職缺拆解大公開，學會有方法的準備面試、介紹作品
    ▮ 一次搞懂產品職缺與展現自己的最佳攻略，產品經理學習營帶你一起職涯升級！
    根據 104 人力銀行統計，近年來產品經理相關職缺在台灣增加了 50 % 以上，各種相關職缺中，如何切中要求的展現作品與經歷，面對面試或準備作品時，可以更好的展現長處，成為你是否能獲得理想 offer 的重要關鍵！
    ▮ 參與這場講座你將了解到
    1. 產品經理職缺拆解：不同的職缺要求，代表什麼意思，如何藉此展現自己的亮點？
    2. 產品經理學習營如何幫助同學累積產品資歷
    3. 學習營是什麼，有什麼特色？
    4. 學習內容與實作題目
    5. 如何參與與產出
    6. QA
    【不要錯過，趕緊來報名】
    看更多
    【免費報名：產品經理學習營說明會】零經驗轉職產品經理！有經驗PM累積產品作品資歷！｜商業思維學院X104人力銀行
    meet.104.com.tw
    【免費報名：產品經理學習營說明會】零經驗轉職產品經理！有經驗PM累積產品作品資歷！｜商業思維學院X104人力銀行｜104活動吧
    1 0 5880 0
    104學習精靈精選課程
    看更多課程
    想提升職場競爭力？專業技能課程看起來👇
    R語言/R-Studio入門─統計分析、資料探勘與機器學習的原理與實戰演練
    R語言是開源的統計程式語言，常用於開發統計、資料分析軟體系統，課程中我們將從R/R-Studio入門，從統計分析、資料探勘與機器學習的原理與技巧，讓學員有能力進行相關的資料分析技術與資料視覺化整合應用。本門課適合想瞭解R語言，作為進入大數據分析基礎，或進行量化研究、進階資料視覺化。
    緯育TibaMe
    成為 AI 科學家｜資料探勘速成攻略，輕鬆駕馭資料分析與實務應用
    這門課程帶你從數據輸入開始，學習對資料的清洗。清洗儲存完成後，就可以開始著手分析，將分析結果以清晰易懂的圖表或圖形在螢幕或報表上展示。分析方面，還會學到商場上最熱門的關聯性分析，並在 Numpy，Pandas，MatplotLib 等程式庫實作後，學到基本的迴歸預測，資料分類以及分群的原理與技巧。
    緯育TibaMe
    資料探勘一步到位: 原理與分類/聚類演算
    學習這門資料探勘課程，資料挖得快又精準！課程將讓你從資料探勘原理到關聯規則的觀念與使用技巧、分類原理的觀念、 分類方法、決策樹、簡單貝式分類、聚類原理的觀念、K-Means、階層聚類技術、DBSCAN密度式聚類法。
    緯育TibaMe
    人工智慧-資料科學｜本課程為線上課
    教你使用Numpy、Pandas、Matplotlib如何進行資料處理與分析
    艾鍗學院
    軟體工程師就業培訓
    專業軟體工程師實戰課程，涵蓋程式設計、系統開發、專案管理等核心技能，強調理論與實務結合， 透過實作案例與專題製作，提升學員在軟體開發領域的競爭力，還有AI履歷健檢，保證面試讓你結訓即就業。
    聯成
    零基礎Python入門與資料科學
    最多人推薦給新手的Python 入門課程，邁向數據科學之路首先要先打好Python基礎，Python自學不是不行，有好的老師好的實作讓你無痛轉職，8個基礎實作+程式範例練習，一次學會Python的原理概念，同學一致好評的課程與講師
    緯育TibaMe
    學習精靈

    12/03 00:00

    youtube.com
    【資料科學課程】資料探勘 Day 1
    52 0
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2021/11/24

    4個必學的Pandas套件處理遺漏值資料方法
    本文以Kaggle網站的「Netflix data with IMDB scores added( https://www.kaggle.com/sarahjeeeze/imdbfile )」資料集為例，來和大家分享筆者在處理遺漏值(Missing Value)時，常用的Pandas套件方法(Method)。
    Q:Pandas如何探索遺漏值(Missing Value)?
    如果想要探索每一個欄位資料是否有遺漏值(Missing Value)，通常會使用Pandas套件的isnull()方法(Method)來查看，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.isnull())
    Pandas套件的isnull()方法(Method)會將所有欄位資料內容顯示為布林值(Boolean)，只要是遺漏值(Missing Value)就會顯示為True。
    但是這樣並沒有辦法讓我們快速瞭解每個欄位的遺漏值(Missing Value)狀況，這時候就可以搭配使用Pandas套件的sum()方法(Method)，將每個欄位進行加總，瞭解每個欄位的遺漏值(Missing Value)個數，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.isnull().sum())
    由於在Python中，True代表1，False代表0，所以利用Pandas套件的isnull()與sum()方法(Method)，就能夠知道資料集的每個欄位遺漏值(Missing Value)個數。
    Q:Pandas如何檢視遺漏值(Missing Value)?
    探索了每個欄位的遺漏值(Missing Value)個數後，如果想要特別檢視特定欄位的遺漏值(Missing Value)資料內容，就可以利用以下的Pandas套件篩選語法：
    df = pd.read_csv('mycsvfile.csv')
    print(df[df.date_added.isnull()])
    以上範例，就是檢視date_added(新增日期)欄位的11筆遺漏值(Missing Value)資料內容。
    Q:Pandas dropna()方法(Method)如何使用?
    Pandas套件提供了dropna()方法(Method)來因應不同的需求，包含：
    1.dropna(how='any')：任一欄位有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(how='any'))
    2.dropna(how='all')：所有欄位皆有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(how='all'))
    3.dropna(subset=['欄位名稱', ...], how='any')：任一個指定的欄位有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(subset=['director', 'date_added'], how='any'))
    4.dropna(subset=['欄位名稱', ...], how='all')：指定的欄位皆有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(subset=['director', 'date_added'], how='all'))
    Q:Pandas fillna()方法(Method)如何使用?
    另一個遺漏值(Missing Value)資料的處理方式，就是填入自訂的值，這時候就能利用Pandas套件的fillna()方法(Method)，指定value關鍵字參數(Keyword Argument)為想要填入的值即可，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    df['director'].fillna(value='Not Found', inplace=True)
    如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2021/07/pandas-handle-missing-value.html )網站觀看更多精彩內容。
    看更多
    4個必學的Pandas套件處理遺漏值資料方法
    learncodewithmike.com
    [Pandas教學]4個必學的Pandas套件處理遺漏值(Missing Value)資料方法
    2 0 156 2
    學習精靈

    05/22 00:00

    youtube.com
    資料探勘簡介-1 [資料科學與R語言]
    290 14

    推薦給你

    AI 趨勢報－科技愛好者的產地🤖
    關注
    104學習精靈

    產品

    06/12 16:49

    如何產出好的 Prompt？讓 AI 成為你真正的幫手+ 五種常用 Prompt 範本
    近年來，AI 工具如 ChatGPT、Claude、Gemini 等快速進入我們的工作與生活，不論是寫文案、總結報告、規劃行程，甚至是撰寫程式碼，只要下對指令（prompt），AI 幾乎無所不能。
    但問題來了：為什麼我問的問題，AI 給的回答總是不夠精準？
    這時候，你可能缺的不是一個更聰明的 AI，而是一個更好的 prompt。
    本篇文章將帶你一步步掌握「好 prompt」的四大原則 + 五種實用範本 + 常見錯誤避雷指南，幫助你從「AI 使用者」進階成「AI 操控師」。
    一、什麼是 Prompt？
    Prompt，簡單來說就是你對 AI 下達的「指令」或「提問內容」。
    它的形式可能是：
    一段文字（例如：「請幫我寫一封推薦信」）
    一個問題（例如：「如何向上管理主管？」）
    一組指令（例如：「用表格整理優缺點，並推薦最適合的解法」）
    Prompt 就像你對 AI 下達的任務說明書，越清楚、越有邏輯，AI 才越能對症下藥。
    二、好 Prompt 的 5大原則：CLEAR
    我們建議用以下的「CLEAR」五字訣，來檢查你的 prompt 是否足夠明確：
    C - Context（情境）
    提供背景資訊，讓 AI 理解你的角色、目的與任務脈絡。
    ➤ 例：「我是一位求職中的社會新鮮人……」
    L - Language（語氣與格式）
    指定你想要的語氣風格、格式形式或語言版本。
    ➤ 例：「請用輕鬆幽默的語氣」、「請用英文回答」
    E - End Goal（輸出目標）
    說清楚你想要的最終結果，讓 AI 知道你是要報告、表格、文案還是清單。
    ➤ 例：「我要一篇 500 字的部落格草稿」
    A - Action（動作）
    告訴 AI 你要它「做什麼」——例如撰寫、比較、總結、建議等。
    ➤ 例：「請幫我比較這三個方案的優缺點」
    R - Rules（規則）
    有特定限制或格式規範的話要明講，例如字數、語氣、格式或禁用詞。
    ➤ 例：「限制在 200 字內」、「不要使用專業術語」
    三、五種常用 Prompt 範本
    以下是五個實用的 prompt 模板，無論職場、學習還是生活應用都相當好用：
    1. 會議紀錄整理 Prompt
    「我是一名專案經理，以下是我們產品開發部門的會議紀錄。請幫我整理成正式內部報告，內容分為三段：1. 會議摘要（限 100 字內）、2. 決策事項（條列式）、3. 待辦事項（包含負責人與期限）。語氣請保持正式精簡。」
    2. 專案建議書撰寫 Prompt
    「我是一位行銷專案負責人，目前正在提報一個新品行銷提案，目標是提升產品曝光率。請幫我撰寫一份約 500 字的專案建議書草稿，包含以下四段：1. 專案背景、2. 行銷目標、3. 執行方式、4. 預期效益。語氣請保持專業、有說服力，採用第三人稱，不用提及預算細節。」
    3. 表格資料統整 Prompt
    「以下是三個工具的特性說明，請幫我整理成 5 欄表格（項目名稱、說明、優點、風險、建議採行對象），表格格式適合投影片簡報中使用，內容限於 20 字以內/欄，語氣請精簡明確，避免冗詞。」
    4. Email 撰寫 Prompt
    「請幫我撰寫一封給內部人資主管的 Email，主旨是：申請部門教育訓練預算。語氣正式但親切，內容包含三段：1. 教育訓練目的與效益、2. 執行時程與預估費用、3. 對團隊發展的幫助。結尾請加入敬語與簽名，整封信字數控制在 250 字以內。」
    5. 方案比較分析 Prompt
    「我是一位採購經理，正評估三個軟體工具供應商，目的是選出性價比最佳的方案。請幫我以表格形式，從五個面向（功能完整性、價格、技術支援、使用便利性、風險）比較三者，並以條列方式給出建議首選及選擇理由，語氣請保持客觀分析。」
    四、避免 3 個常見錯誤
    ◆問題太模糊：「幫我寫一下這個」，寫什麼？給誰看？用途是什麼？AI 根本抓不到重點。
    ◆輸出格式沒說清楚：你想要清單、表格、段落還是流程圖？請先講清楚。
    ◆一次問太多：AI 回答會變散亂。先拆解問題，一步步來，效果更好。
    Prompt 是一種新時代的溝通力
    AI 工具不會自動變成你的超能力，會提問、懂得溝通，才是未來的關鍵能力。
    把 prompt 當作你對 AI 的「任務設計」，越清楚，AI 越能「幫你幫到點上」。
    從今天開始，練習寫好 prompt，就是你打開 AI 潛力寶庫的第一步！
    看更多
    如何產出好的 Prompt？讓 AI 成為你真正的幫手+ 五種常用 Prompt 範本
    3 0 2345 4
    你可能感興趣的教室