Data Science

數據科學入門 Data Science

Less than a minute to read

不小行業對大數據 / 數據科學的看重比例也陸續提升,如不小大型企業: HSBC (銀行業), PCCW (電訊業)及SWIRE (地產業)等等,相繼對於數據科學發展越趨重視。踏入2020數據科學的迅速發展新世界,同時亦吸引了不小的在職人士透過自學方式學習有關知識技巧。但是,數據科學 (Data Science) 所涉及的層面廣泛,如: Machine Learning, Traditional Research或Software Development,但究竟那一種才是自己所需的範疇?日後的出路又是如何?

「入門 — 自學的局限」

往往這都是入門初學者經常性遇到的問題,因網上的資訊來源眾多,在選取自己所需的學習資源時,難以選取一個有效的學習方針。而另一方面,在學懂相關數據科學 (Data Science) 的知識後,尋求新工作機會出路更是難以透過自學方式而獲得的,更甚是數據科學行業當中的Network和Experience。

「入門 — 自學+全日制進修」

既然透過自學方式學習會遇上局限,如果試試「自學+全日制進修」又會得出怎樣的結果?這可能會是一個不錯的選擇,因全日制進修課程,會提供一個全面的環境予學生學習,而學習內容都會較網上的清晰及具方向性。但必須考慮的是報讀全日制課程需要花費大量時間,間接令你必須要從工作或進修當中二選一,而且全日制課程的費用,一般也比較昂貴,亦不能夠確保畢業後能找到數據科學的工作。這些都是選擇全日制課程前必須考慮到的主因。

入門 — 自學+兼讀制進修」

實際上已有不少的數據科學家經由「自學+兼讀制進修」成功「轉行」也許兼讀制進修課程會較適合在職人士,或正在修讀大學課程而又想裝備自己的大學生。兼讀制課程比較著重於Hands On知識及Coding能力的教授,能為在職人士和大學生提供一個靈活彈性的學習時間。而課程費用與全日制課程比較,也會相對划算和合理。

單以Venturenix LAB為例,中心提供靈活彈性的上課時間 (總共約15-48小時),多為平日的晚上或星期六上下午時間。而課程收費比全日制課程相對划算 (以 Data Science with Python 課程為例,還未計算其他的優惠) 。另外,中心課程導師更現於本地知名資訊科技公司任職,並管理十多人的數據科學團隊,相比其他全日制課程導師,將更能傳授市場上貼切需要的技術及知識予學生。而更重要的是,Venturenix LAB更會定期與LinkedIn等知名的平台舉辦活動 ,促進學生與業內人士的交流,助學生建立行內關係。而母公司Venturenix(Recruitment Firm) 更擁有龐大的公司網絡,將提供有效的顧問資訊予畢業學生,並有助投身數據科學等行業當中。

往後將會有更多精彩文章,有關數據科學最新趨勢及交流機會帶給大家!如喜歡這篇文章,請不妨到Venturenix LAB Facebook讚好專頁及瀏覽最新的課程資訊,定期會有試堂機會,助你更了解數據科學等內容。如果想直接了解,可以即時與專業教育顧問查詢

希望這篇文章能幫助到正在入門階段的你,祝你能在2020數據科學中尋找到更多的樂趣

“How the Hackathon made me realise that after taking the Venturenix course made me much more confident to actually manage a group of data scientist”

Kent Lau

Sign up for our Newsletter

Join our newsletter and get resources, curated content, and design inspiration delivered straight to your inbox.

Related Posts

Data Science

ChatGpt 都識揼Code?IT人難逃被AI人工智能取代的命運?

IT 人會不會被AI人工智能取代?近年來,隨著人工智能技術的不斷發展,許多人擔心自己的工作可能會被AI取代。目前,許多AI技術已經能夠完成軟件開發的某些部分,因此有人認為,軟件工程師的工作可能會被AI取代,飯碗也可能不保。 AI 人工智能會取代IT人的想法,可能源自於大家對軟件工程師工作及AI的理解不夠充足。 AI技術的發展引發了對於軟件工程師職業前景的擔憂。然而,軟件工程師的工作並非像一些人想象的那樣容易被AI取代。讓我們嘗試解釋為何AI無法取代軟件工程師吧(至少不能大規模地取代)。 要了解AI 人工智能能否取代IT人,首先我地要知道AI 是如何學習的。AI學習是透過大量相似開源數據學習相對重覆的事物,請留意重點,是「大量」,「相似」,「開源」數據。例如認人,搜尋法律案件,分析病人身體數據,等能力。但如果一個只被訓練認人的AI,見到一張猩猩的圖片,它未必即時辨認到這張圖片中的不是人類。又或者一個被訓練分析香港法律的AI,突然香港有需要增加一條法例,AI並不能夠根據一條新的法例提供準確意見。 以上東西都可以有大量數據的原因,是因為人像相在網絡上可以輕易找到的。法律判刑及理據大部份都是公開的,而判刑準則大都依照以往例子。病人數據當然並非完全公開,病人個人資料是絕對保密,但除去個人資料後的血液數據或X光片等不同資料,則有醫學及研究作用,而醫生分析病情都是根據某病人的數據或檢查結果,比對以往類似病歷的病人,而得出某一病人是健康或生病以至於哪一種病的理據。以上的例子都是AI人工智能能代替人類工作的最佳例子,透過「大量」,「相似」的「開源 」或「開放」數據,而「得出結論或結果」的工作。 再以作曲為例子,AI人工智能可以透過大量例如廣東歌,再透過告訴它哪一首歌最大熱,它便可以透過以前流行大熱的歌中找一些相似的「Pattern」,例如這些歌大部份幾分幾秒會去到副歌,副歌多長,通常每段配搭多少個音節,或者靠寫該AI 的人告訴它,還有甚麼因素及Pattern能影響一首歌會否大熱,它再嘗試根據這些條件或Pattern寫一首歌。但它寫不到新的風格,或者它隨機寫到新的風格之後,它無法估計這首歌有否大熱的機會,最終仍是需要人類作最終決定。...

Data Science

「有圖有真相」烏克蘭被投降?

有圖有片有真相這個說法在現今世代已經不再成立。隨著AI 急速發展、deepfake 技術盛行,連烏克蘭總統都遭殃,於俄烏戰爭初期受虛假散佈的 deepfake 影片誤傳投降消息。到底 deepfake 是何方神聖?它是怎樣操作的?Deepfake 與 machine learning有何關聯? Deepfake 是甚麼?...

1 min read

Don't forget to join our upcoming free IT CAREER TALK on Eventbrite

X
Facebook
YouTube
LinkedIn
Instagram