Data Science

Towards Data Science系列文＿介紹

從以前研究所到職場，其實會發現，資料科學所需要能力非常多， 從ETL至Model驗證等都必須都要有概念。尤其是資料科學同好，一定有看過以下Data Science能力圖：

BerkeleyX: Scalable Machine Learning

HMM與CRF應用在NER任務

這邊寫下之前讀到的筆記，基本上資料來源是李弘毅老師的投影片 Structured Learning: Sequence Labeling

Semantic Open Source — Rasa 手把手介紹

最近因為業務需求，開始研究一些 open source…

BerkeleyX: Introduction to Big Data with Apache Spark

Google Data Engineer 證照心得分享

之前因緣際會了解了Google有出Data Engineer的證照，之後就邊上班邊準備GCP的Data Engineer證照，也很開心的最後有考上這個證照。在這邊就稍微分享一下準備的心得。

Google Professional Data Engineer 證照心得

原本就想說如果考過的話，要發一篇心得文，可惜第一次考GG了…….所以拖到現在，今年五月決定要來考這張證照，和幾個朋友一起看coursera的課程一起討論，當初只是想說是google開課的，內容應該會涵蓋大部分的考試範圍，課程在練習的lab有時候會提供免費的帳號讓你可以實作，但越上到後面的課程，越覺得課程講的真的是很基本，如果已經有相關經驗其實可以不用看這系列課程，而且還有一大部分的時間在教你如何使用GCP的服務。

深度為王？其實你沒有那麼需要深度學習

工作一段時間後，也慢慢體會到職場有許多難處，常常會思考目前公司的產品是否符合消費者的需求，還是只是一群工程師閉門造車的自High產物。

SVD_推薦系統_原理

在Netflix大賽後，基於矩陣分解的推薦系統被大家所開始研究並優化，且此方法能補足過去近鄰推薦的一些問題。像是推薦系統中的item之間存在相關性，當item增加，訊息量不會隨著item增加而線性增加。

Word embeddings_文字探勘_原理

Word embedding (Word vector)是近年來文字探勘非常熱門的技術，主要是用來將文字轉換成向量，透過向量化可進行大量運算。