Data Science

Data Science: 2020年勢必延續數據世代之戰

Less than a minute to read

2020 年一個新十年的來臨,帶來的不單是年曆月曆上數字的變化,更大的是見證過去十年世界的科技發展。由 Iphone4 走到現在 Iphone11Pro (甚至 Pro Max) ,一路走來大家見證著科技公司的發展,更經歷著 Apple Siri 的誕生,人工智能於日常生活中的普及化。這意味著數據科學 (Data Science) 開始慢慢走進大家的生活當中,將與大家生活環環相扣,息息相關。

「數據世代之戰無可避免」

踏入 2020 年,數據科學勢必延續世代之戰,成為各大不同業界行業的發展重點。越來越多不同的大小公司都開始完善建立自己的數據庫,因它們意識到數據科學所能帶來的資料及洞察 (Information & Insights),將大大有助公司的決策力 (Decisions),繼而引領公司於各方面行動的執行上提升 (Actions & Executions) 。另外,參考早前 Cally Chan (General Manager of Microsoft Hong Kong and Macau) 於 Microsoft HK News Center 所發表的文章。目前,亞洲大約有 33ZB的數據儲存 (1ZB=1.1trillion GB),預計明年的數字將會達到大約 44ZB,到 2025 年將達到 170ZB 的水平,而企業將佔其中的 60%。[1]

「數據與雲端能力需兼備」

 另外,2010 年 Microsoft 於香港成立第一個數據中心 Azure。在短短的十年期間,因不同大小的公司對數據科學和雲端儲存 (Data Science & Cloud) 的巨大需求,現已於香港成立了三個數據中心。往後十年,世界對數據科學的著重肯定會越來越大,而對於數據的依賴性更會隨之上升。 (將陸續有文章分析雲端 Cloud 的種類和重要性)

相信很多人都明白到數據科學的重要性,但也不是每人也有從零開始的決心。如果有的,請繼續看下去,,而如果已有一定基礎的請跳轉到「Python 入門後的出路」繼續閱覽。

「世代之戰入門秘笈」— 選擇學習語言 Python

如作為一個初學者,首先要了解數據科學中五花八門的語言,而當中的語言就像我們於電腦中輸入不同國家語言,有中文、英文… 有 JavaScript、Python…,而到底那一種才是自己所需的,就需視乎工作而定。

(例子)

eg: 如要搜尋香港過去的歷史, 當然輸入中文繁體字會有相關資料,如要搜尋西班牙的歷史,當然輸入西班牙文會呈現更多資料。但想搜尋以上兩個地方的資料,大家都知道輸入英文也能夠做得到,因為使用英文的人更多更廣,資料文獻也相對齊存。

而作為數據科學初學者,首選會是學習 Python 因其較容易掌握,及工作框架支援上較其他語言完善,如 NumPyPandasMatplotlib 等等。Python 就像英文一樣,於數據領域當中擁有大量的資源支援,能夠令數據科學家更快捷地完成繁複的任務。

「兼讀課程丨打造 2020『數據科學家』」

選擇適合的學習語言後,選擇適時的學習模式將會決定你於「世代之戰」中的位置。不可不知,實際上已有不小的數據科學家經由兼讀制課程成功「轉行」

單以 Venturenix LAB 為例,中心提供靈活彈性的上課時間,多為平日的晚上或星期六上下午時間,能夠令學生於工作及進修上同時並行。最重要的是,中心的課程收費與一般全日制課程比較,相對較合理和划算。而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。

另外,Venturenix LAB 更會定期與LinkedIn等知名的平台舉辦 NetworkingEvent,促進學生與業內人士的交流。而母公司 Venturenix (Recruitment Firm) 更擁有龐大的公司網絡,將有助畢業學生投身數據科學等行業當中。

「Python 入門後的出路」

當選定學習語言及模式後,學懂之後又能夠往那些方面發展呢?可參考以下三個不同方面:

1.  數據分析

2.  人工智能

3.  程式開發

「數據分析」

從事數據分析,可以於金融分析、商業分析和科學分析,三個主要範疇發展,還有其他方向數之不盡…。

「人工智能」

從事人工智能,可以於 Machine Learning、Deep Learning 和無人駕駛技術發展等等…。

「程式開發」

從事程式開發,可以發展網頁開發、GUI 應用和 2D/3D 遊戲開發。

掌握 Python 及選定相應發展路向後,當然也要繼續學習不同的語言,畢竟數據科學是一門博大精深、與時「快」進的一門學問!

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 與真人查詢


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。...

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

X
Facebook
YouTube
LinkedIn
Instagram