<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by 張培莉 Peili on Medium]]></title>
        <description><![CDATA[Stories by 張培莉 Peili on Medium]]></description>
        <link>https://medium.com/@peilichang?source=rss-22968feb4c40------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*G2dBeT4ekbsreFpJqxEd3w.jpeg</url>
            <title>Stories by 張培莉 Peili on Medium</title>
            <link>https://medium.com/@peilichang?source=rss-22968feb4c40------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 06:10:10 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@peilichang/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[KNN ( classification )]]></title>
            <link>https://medium.com/data-science-navigator/knn-classification-56d3878f40c1?source=rss-22968feb4c40------2</link>
            <guid isPermaLink="false">https://medium.com/p/56d3878f40c1</guid>
            <category><![CDATA[knn-algorithm]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[knn]]></category>
            <dc:creator><![CDATA[張培莉 Peili]]></dc:creator>
            <pubDate>Fri, 24 Mar 2023 09:17:13 GMT</pubDate>
            <atom:updated>2023-03-24T09:17:13.506Z</atom:updated>
            <content:encoded><![CDATA[<p>K Nearest Neighbor</p><p>經由前面的文章瞭解到<a href="https://medium.com/@bigtree910917/568b62b10671">分類</a>與<a href="https://medium.com/@yascheng/cbe1fa5561b6">回歸</a>模型的評估指標有哪些，接著就讓我們進到機器學習模型的介紹吧！</p><pre><strong>目錄</strong><br>1. <a href="#f2a4">KNN介紹</a><br>2. <a href="#01ee">KNN演算法流程</a><br>  2.1 <a href="#baf4">決定 K 值</a><br>  2.2 <a href="#25d2">計算新樣本與鄰居間的距離</a><br>  2.3 <a href="#1242">新樣本類別預測</a><br>3. <a href="#aad0">參考資料</a></pre><h3>1. KNN 介紹</h3><p>本篇將介紹機器學習中相對單純的一種演算法－KNN ( K Nearest Neighbor, K-近鄰演算法)，KNN 屬於監督式學習並可用於分類及回歸問題上，這次主要會介紹 KNN 分類器的作法。</p><p>KNN 在分類時是基於<strong>特徵相似度</strong>來預測新加入樣本的類別，簡單來說，KNN 就是將一個新樣本加入後，去看附近大多數的人長怎樣就判定他是同一群的人，正所謂「物以類聚、人以群分」啊！</p><p>如 [圖1] 所示，一群已分類好的樣本群（Class A和 Class B）中加入了一個<strong>未知分類</strong>的紅色星星樣本，KNN 就會透過附近的鄰居們來判定紅色星星屬於類別 A 還是 B。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/489/1*riefbTWtSTaPYsOZggWetQ.png" /><figcaption>[圖1] 圖片來源：<a href="https://www.jcchouinard.com/k-nearest-neighbors/">k-Nearest Neighbors (KNN) in Python</a></figcaption></figure><p><strong>那接著就來講講 KNN 判定的流程吧！</strong></p><h3>2. KNN 演算法流程</h3><blockquote>用 KNN 做分類任務時，必定先擁有標記好的資料，因 KNN 的運算較簡易，可在訓練前先去除類別中的雜訊，以達到較好的分類結果。</blockquote><p>K Nearest Neighbor 意思為用新樣本的 K 個鄰近樣本來預測新樣本的所屬類別，因此首先需決定 K 值大小，如 [圖1] 所示：</p><ul><li>當 K = 3 時有「1 個藍點、2 個綠點」，<strong>紅色星星歸類至 Class B</strong></li><li>當 K = 6 時有「4 個藍點、2 個綠點」，<strong>紅色星星歸類至 Class A</strong></li></ul><h4>2.1 決定 K 值</h4><p>K 值為 KNN 中唯一需要調整的超參數，掌控著模型預測的準確度，因此在 K 值得選擇上可不能亂來啊！而該如何為不同的 Dataset 決定合適的 K 值並沒有一定的流程，但以下幾個是可以供大家參考的作法：</p><ol><li>使用總樣本數的平方根作為 K 值：sqart(n)</li><li>使用奇數：因偶數會有「同票」的情形，也就是不同類別數量相等導致決定不了的情況，所以可以盡量避免選擇偶數</li><li>多嘗試幾組 K 值並比較模型預測的準確率</li><li>避免選擇過大或過小的數值</li></ol><pre><br>過小的 K 值（如1）：噪點很大，且可能會將新樣本預測為異常值（Outlier）<br>過大的 K 值：會不斷的過濾掉較少樣本的類別</pre><blockquote>例：總共有 16 個樣本，平方根為 4 ，且要避免選擇偶數，則 K 值可為3 or 5</blockquote><p>除了以上較簡易的 K 值判斷方式之外，也能運用<strong>訓練誤差 (training error)以及驗證誤差 (Validation error) </strong>來觀察不同<strong> </strong>K 值的結果，透過<strong>驗證誤差曲線 (Validation error curve) 的最低點</strong>來找到理想的 K 值！</p><p>更詳細的內容可以參考這一篇文章來學習：<a href="https://medium.com/@ellery.leung/k-nearest-neighbors-%E7%B0%A1%E4%BB%8B-637f0b59c2df">K Nearest Neighbors — 簡介</a>。</p><h4>2.2 計算新樣本與鄰居間的距離</h4><p>因 KNN 是基於<strong>特徵相似度</strong>來預測新樣本的類別，在樣本空間中兩個樣本間的距離就代表著特徵的相似程度，距離越小相似程度越高 ; 反之，距離越大相似程度越低。</p><p>所以 KNN 會先計算所有樣本與新樣本之間的距離，這樣將距離由近排到遠就能得知新樣本周遭的樣本有哪些，同時也是特徵相似程度高的幾個樣本。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/650/1*LMJTYKRkAI4z_f0pey5Y3w.png" /><figcaption>[圖2] 圖片來源：<a href="https://medium.com/@rndayala/k-nearest-neighbors-a76d0831bab0">k-Nearest Neighbors</a></figcaption></figure><p>計算距離的方式通常會使用的是<strong>歐幾里得距離 ( Euclidean distance )</strong></p><pre><strong>歐幾里得距離 ( Euclidean distance )</strong><br>座標(x1,y1)、(x2,y2)兩點之間的距離：√[(x1-x2)²+(y1-y2)²]</pre><p>除此之外，還可使用<a href="https://ithelp.ithome.com.tw/articles/10274085?sc=iThelpR">閔可夫基斯距離 ( Minkowski Distance</a> )、<a href="https://ithelp.ithome.com.tw/articles/10274608">曼哈頓距離 ( Manhattan Distance</a> )</p><h4>2.3 新樣本類別預測</h4><p>當決定好 K 值，並計算好樣本之間的距離後，就能找到與新樣本最相近的 K 個樣本，最後進行類別的判定：</p><ol><li>看選定的 K 個鄰居中哪一種類別佔的數量最多，就會將新樣本判定為該類別。（因此前面 K 值選擇奇數可以避免很多同票的情況）</li><li>若還是遇到類別數同票時，我們則可選擇將新樣本歸類至其中一個類別中，或是<strong>直接選擇不歸類</strong></li></ol><p>知道了整個 KNN 的流程後，我們再來看一次前面這張圖，以及預測結果。</p><blockquote>當 K = 3 時有「1 個藍點、2 個綠點」，<strong>紅色星星歸類至 Class B</strong></blockquote><blockquote>當 K = 6 時有「4 個藍點、2 個綠點」，<strong>紅色星星歸類至 Class A</strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/489/1*fj79H7SollOJZxlCp0oD4A.png" /></figure><p>大家有沒有發現，K 值的決定是會直接影響至預測結果的，因此決定 K 值一定要小心，最好反覆測試後再決定！</p><h3>3. 參考資料</h3><ol><li><a href="https://www.youtube.com/watch?v=HVXime0nQeI&amp;ab_channel=StatQuestwithJoshStarmer">StatQuest: K-nearest neighbors, Clearly Explained</a></li><li><a href="https://www.youtube.com/watch?v=4HKqjENq9OU&amp;ab_channel=Simplilearn">KNN Algorithm In Machine Learning | KNN Algorithm Using Python | K Nearest Neighbor | Simplilearn</a></li><li><a href="https://ithelp.ithome.com.tw/articles/10269826">[Day 10] 近朱者赤，近墨者黑 — KNN</a></li><li><a href="https://northbei.medium.com/machine-learning-knn%E5%88%86%E9%A1%9E%E6%BC%94%E7%AE%97%E6%B3%95-b3e9b5aea8df#:~:text=KNN%E4%B8%80%E8%88%AC%E7%94%A8%E4%BE%86%E5%81%9A,%E6%96%B0%E5%A2%9E%E5%8A%A0%E8%B3%87%E6%96%99%E7%9A%84%E5%88%86%E9%A1%9E%E3%80%82">[Machine Learning] kNN分類演算法</a></li><li><a href="https://medium.com/@ellery.leung/k-nearest-neighbors-%E7%B0%A1%E4%BB%8B-637f0b59c2df">K Nearest Neighbors — 簡介</a></li></ol><p><strong>教育部補助大專院校STEM領域及女性研發人才培育計畫</strong>目標為建構一個「以智慧物聯技術與實務應用為基礎的教育環境和實作場域」，並規劃出符合此STEM教育領域的創新特色課程，以畢業前進入企業實習的方式，讓學生了解相關產業界所面對的問題，再輔以業界實作場域的教育訓練活動，共同帶領學生發展出動手做、判斷與解決問題的相關技能；本計畫也規劃讓學生以專題實作的組隊方式，跟業界協力領導學生對外參與智慧物聯技術的應用競賽，不僅可以累積學生實務開發的能力，更能激發其潛能來幫助企業解決所面臨的難題。</p><p><strong>Data Science Meetup 台灣資料科學</strong>社群的使命是「為資料科學人士與企業創建經濟機會」。我們相信大數據蘊藏著巨量的信息和價值，如何處理好大數據並發掘其潛藏的商業價值，就要靠資料科學有效的應用。21世紀是資料科學決勝時代，我們社群將為大家提供與資料科學相關的最新技術和資訊實戰攻略，並透過全球業界人士和學者幫助相關職業規劃與挑戰，社群活動包含</p><ul><li>台北實體版聚</li><li>線上版聚</li><li>Mentorship Program</li></ul><p>歡迎加入我們社團瞭解更多資訊：<br><a href="https://www.facebook.com/groups/datasciencemeetup/">https://www.facebook.com/groups/datasciencemeetup</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=56d3878f40c1" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-science-navigator/knn-classification-56d3878f40c1">KNN ( classification )</a> was originally published in <a href="https://medium.com/data-science-navigator">數據領航員</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[數據領航員｜在資料科學的路上，跟著我們一起探索大數據的秘密吧！]]></title>
            <link>https://medium.com/data-science-navigator/introduction-eb15ebd9ba89?source=rss-22968feb4c40------2</link>
            <guid isPermaLink="false">https://medium.com/p/eb15ebd9ba89</guid>
            <category><![CDATA[data-mining-techniques]]></category>
            <category><![CDATA[machine-learning-python]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[deep-learning-course]]></category>
            <category><![CDATA[data-analyst]]></category>
            <dc:creator><![CDATA[張培莉 Peili]]></dc:creator>
            <pubDate>Tue, 17 May 2022 03:11:06 GMT</pubDate>
            <atom:updated>2022-05-17T03:11:06.367Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>如果把龐大的數據比擬為星星✨那我們應該就是乘坐著火箭去探索數據宇宙的那群人吧！🚀</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mgMpYrgtnQNdQBajoSkp_w.png" /></figure><p>嗨大家好！</p><p>「數據領航員」背後團隊是由東吳大學資料科學系的學生組成，如果你對資料科學領域有興趣，卻無法在網路上這麼多資源中找到一套適合自己的學習方式，那你來對地方了！</p><p>因為在這裡，我們每一個人皆會成為你在資料分析這條學習航線的領航員，在此針對每一個主題分享我們學習時的心得，將網路上龐大、雜亂的知識，經過消化後整理成一套有系統，且由淺入深的文章紀錄。</p><p>此篇將會說明我們的理念以及領航員們的介紹，請繼續看下去吧！</p><pre>目錄<br>🪐 <a href="#e3f9">教育部STEM計畫說明</a><br>🪐 <a href="#b5b2">Why 數據領航員？</a><br>🪐 <a href="#bc3f">領航員簡介</a></pre><h3>🪐 教育部STEM計畫說明</h3><p>在進入數據領航員的介紹之前，我們先來瞭解一下…</p><h4><strong>STEM教育到底是什麼？</strong></h4><p>STEM是科學(Science)，技術(Technology)，工程(Engineering)和數學(Mathematics)的字首組合而成，而隨著現今資訊發展迅速、數據量大爆炸的時代，只有單一領域能力已經不足以面對未來即將迎來的挑戰，而「STEM教育」的目的就是培養學生與STEM學科相關的知識和技能，提升他們運用綜合學科知識去解決問題的能力並激發潛能。</p><h4>STEM領域及女性研發人才培育計畫</h4><p>教育部補助大專院校STEM領域及女性研發人才培育計畫目標為建構一個「以智慧物聯技術與實務應用為基礎的教育環境和實作場域」，並規劃出符合此STEM教育領域的創新特色課程，以畢業前進入企業實習的方式，讓學生了解相關產業界所面對的問題，再輔以業界實作場域的教育訓練活動，共同帶領學生發展出動手做、判斷與解決問題的相關技能；本計畫也規劃讓學生以專題實作的組隊方式，跟業界協力領導學生對外參與智慧物聯技術的應用競賽，不僅可以累積學生實務開發的能力，更能激發其潛能來幫助企業解決所面臨的難題。</p><p>而在資料科學的領域中，WiDS（Women in Data Science）每年皆會於美國史丹佛大學舉辦研討大會，並邀請行業內頂尖的女性擔任演講嘉賓，WiDS在台灣也連續四年舉辦了WiDS Taipei Conference，想要瞭解更多的話可以觀看去年的活動紀錄！</p><p><a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a></p><p><strong>接下來為大家說明一下，為什麼我們是「數據領航員🧑🏻‍🚀」</strong></p><h3>🪐 Why 數據領航員？</h3><p>在現在的科技蓬勃的時代，每一分一秒都會產生龐大的資料量，而資料科學要做的事情就是將這些所謂的「大數據」透過各種分析方法提取出有用的價值。如果把這些龐大的數據比擬為星星✨，那我們應該就是乘坐著火箭去探索數據宇宙的那群人吧！🚀</p><h4>數據領航員團隊理念</h4><p>在資料科學領域的學習上並不輕鬆，但卻能不斷地得到樂趣，我們希望能將學習上獲得的經驗寫成文章記錄，並提供對資料科學有興趣，但卻不知如何開始的初學者一個學習管道，不僅陪伴著你們學習，同時也作為你們在火箭探索中的「領航員🧑🏻‍🚀」，帶領著你們一路學習。</p><h4>主題介紹</h4><p>在這裡我們會將資料分析的主題分為四大塊，分別是</p><ol><li><strong>綜觀數據<br></strong>將會用基礎分析流程的概念和數據類型切入主題，並系統化的整理資料分析最常用的基本工具，從資料前處理、資料降維到視覺化圖表，一步一步的教你如何把龐大的數據進行整理，進而變成乾淨且漂亮的圖表呈現出來。</li><li><strong>機器學習（Machine Learning）<br></strong>當手中的數據整理完後，除了基本的資料面分析，知道如何運用乾淨的數據也是很重要的，針對不同的目標任務，我們能透過機器學習的不同模型進行訓練以達到想要的成果，此主題會用簡單的方式講解機器學習的原理，並介紹幾個常見的模型。</li><li><strong>深度學習（Deep Learning）<br></strong>對機器學習的運作方式及原理有了認識後，我們就可以進入深度學習的世界探討人工智慧這一回事，到底是怎麼讓「電腦」除了能透過以學習的經驗做出判斷外，還能夠使用獲得的知識如人類一般地反應、行動和操作。</li><li><strong>文字探勘（Text Mining）<br></strong>既然我們已經能做到讓電腦能模仿人類的思考模式，但當原始資料中含有文字型態的語句時，常是用人類語言的結構組成，而語句常會因不同的用字、組合順序等擁有不同的意思，因此必須透過文字探勘來識別、擷取，到整合與應用文字資料所隱含的意義。</li></ol><p>接下來我們會先針對「綜觀數據、深度學習」兩個主題逐步推出文章，趕緊 Follow 數據領航員，不錯過任何學習的機會！若喜歡我們的文章，也歡迎於下面的like拍手給予領航員鼓勵！</p><p><strong>說了這麼多，應該等不及要來認識我們最重要的「領航員🧑🏻‍🚀」了吧！</strong></p><h3>領航員簡介</h3><h4>指導教授</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NPZuBTZguTYJpCF9SGKmOA.png" /></figure><p><strong>名字：胡筱薇 Camille<br>Medium帳號：</strong><a href="https://medium.com/u/74aaa3946609">CamilleHu</a><br><strong>教授簡介：</strong><a href="https://bigdata.scu.edu.tw/our_team/full-time-professor-huhsiaowei/#1471191075767-71032b6f-42fe8e09-64c2b57d-a950">https://bigdata.scu.edu.tw/our_team/full-time-professor-huhsiaowei/#1471191075767-71032b6f-42fe8e09-64c2b57d-a950</a></p><h4>數據領航員Writer</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Oq9CsvFGJsqdcy12oxWvtw.png" /></figure><p><strong>名字：吳啓榮<br>Medium帳號： </strong><a href="https://medium.com/u/4948a2e72d8b"><strong>littlemilk</strong></a></p><p><strong>自我介紹：</strong>熟悉前後端與機器學習技術，喜歡學習所有對生活有幫助的科技知識，追求用科技感動人心的時刻。</p><p><strong>作品集：</strong></p><ol><li>* 自動 PTT 商品追蹤：使用爬蟲技術搭配 IFTTT 的 web hook、LINE message，追蹤 PTT 買賣版的商品更新。<br> <a href="https://github.com/littlemilkwu/auto_merchandise_track">https://github.com/littlemilkwu/auto_merchandise_track</a></li><li>* 浸信會嶺頭山莊網站：前後端會員系統建置，並串接藍新金流服務，提供多樣化的奉獻功能。<br> <a href="https://lingtou.org.tw/">https://lingtou.org.tw/</a></li><li>* 自傳產生器：將 ckiplab 的 GPT2 模型以大量自傳數據來進行 fine tuning，提供使用者輸入部分前綴文字即可生成一篇自傳文章。<br> <a href="https://huggingface.co/Littlemilk/autobiography-generator">https://huggingface.co/Littlemilk/autobiography-generator</a></li><li>* 大大通智能模型產學合作計畫：參與大聯大控股集團產學合作，運用旗下大大通平台之數據進行個人化推薦系統開發。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eAh9YblSgtIYuUm75BqOCg.png" /></figure><p><strong>名字：Yasmine<br>Medium帳號：</strong><a href="https://medium.com/u/df58b6382535">Yasmine Cheng</a></p><p><strong>自我介紹：</strong>大家好~我是Yasmine，資料科學系大三的學生~平時喜歡種種花跟聽音樂，數據分析領域的專長是做資料前處理跟機器學習，目前都還在學習的階段，會不斷進步的！</p><p><strong>作品集：</strong></p><ol><li>*預測詐騙網址：是Kaggle上的公開資料，利用特徵工程的方式提取出有效屬性並做出預測，成功將預測準確率從70提升至95%。</li><li>* 大大通智能模型產學合作計畫：參與大聯大控股集團產學合作，運用旗下大大通平台之數據進行個人化推薦系統開發。</li><li>*分析人的五大性格指數：利用人的自我介紹影片，通過影片畫面、聲音及人的五官特徵擷取，做出預測。</li></ol><h4>數據領航員Editor</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*akua_dAZ5jgihvMi2nrpxQ.png" /></figure><p><strong>名字：張培莉<br>Medium帳號：</strong><a href="https://medium.com/u/22968feb4c40">張培莉 Peili</a></p><p><strong>自我介紹：</strong>嗨大家好～我目前在團隊中負責協助工作坊的行政事務，並管理數據領航員的Publication，認為自己是個思想靈活的人，對於資料科學這個領域還在不斷的探索、學習！</p><p><strong>作品集：</strong></p><ol><li>*人文大數據競賽：整合法律科技領域，透過網路霸凌糾察員LineBot提供協助給受到網路霸凌的使用者，負責Line的聊天機器人流程設計以及建置。</li></ol><h4>數據科學啟航工作坊團隊</h4><p>除了在Medium上用文章記錄我們的學習心得外，我們也舉辦了「數據科學啟航」工作坊，目的是為了帶領不是本科生，卻又對資料學領域有興趣的學生，透過四次的課程分別介紹資料分析的基本流程和工具：</p><pre>🚀 <strong>第一站「大數據介紹」</strong>，就幫你建立資料科學的基礎認知。<br>🚀 <strong>第二站「資料處理</strong>」，手把手教學Python做數據分析時不可或需的工具－Pandas。<br>🚀 <strong>第三站「資料探勘」</strong>，傳授如何解讀資料、用資料說故事，並且讓大家著手分析過去爆紅一時的「厚奶茶事件」資料。<br>🚀 <strong>最後一站「Kaggle 挑戰 — Store Sales — Time Series Forecasting」</strong>，完成屬於自己的 Kaggle 挑戰，展現在本次航行中學習到的知識。</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uestPlhpNKBsNbyH8cU9Yw.png" /></figure><p><strong>名字：陳永珅<br>Medium帳號：</strong><a href="https://medium.com/u/eeab54932b55">Michael Chen</a></p><p><strong>自我介紹：</strong>在資料科學的領域持續學習，對各種技術有非常多的好奇心也熱愛教學分享。</p><p><strong>作品集：</strong></p><ol><li>*大大通智能模型產學合作計畫：參與大聯大控股集團產學合作，運用旗下大大通平台之數據進行個人化推薦。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MR78pn6OJl3s8R-QF2Q8og.png" /></figure><p><strong>名字：王常在<br>Medium帳號：</strong><a href="https://medium.com/u/2936bdf9a6a9">Chang_Zai_Wang</a></p><p><strong>自我介紹：</strong>大家好，我是王常在，興趣是打電動、看電影、看動畫、聽音樂，目前就讀東吳大學資料科學系四年級，仍然努力在資料科學領域的大海中航行，目前是 DLab 的成員！</p><p><strong>作品集：</strong></p><ol><li>*鄉林集團-舌尖數據：針對客戶的回饋進行研究，運用 Google 語音轉文字服務以及 Line chatbot</li><li>*好樹好果電商網站建置：網頁採用 Wordpress 建置，規劃時程並學習使用 Wordpress 軟體、測試功能。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JYjcqucQrGZM-WQ6fM0cBQ.png" /></figure><p><strong>名字：葉芯妤<br>Medium帳號：</strong><a href="https://medium.com/u/b81a254ff94d">Katrina Yeh</a></p><p><strong>自我介紹：</strong>大家好～我是葉芯妤，資料科學系大三的學生，專長是使用pandas做數據分析和機器學習，平時也喜歡學習有趣的科技知識，偶爾放假會到山上去露營，接觸大自然，也喜歡到處旅行體驗不同文化</p><p><strong>作品集：</strong></p><ol><li>*玉山個人投資風險管家：透過機器學習製作預警系統保護新手投資人，避免投資人跟著市場風向，導致過度投資。</li><li>*涵碧樓新訊活動分析：使用PowerBI做數據分析。</li><li>*大大通智能模型產學合作計畫：參與大聯大控股集團產學合作，運用旗下大大通平台之數據進行個人化系統開發。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*t5CXiJO4zFsIWGCobkY9FA.png" /></figure><p><strong>名字：Benny<br>Medium帳號：</strong><a href="https://medium.com/u/eb71930a98e0">Benny</a></p><p><strong>自我介紹：</strong>我是天駿，是一個喜歡學習新東西、運動的青年</p><p><strong>作品集：</strong></p><ol><li>*智在家鄉-致力於解決家鄉問題的競賽</li><li>*全球移民系統-用資料庫整合各國的移民資訊最後呈現在儀表板</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S3NDUwLBOKKagyRO9UayHw.png" /></figure><p><strong>名字：吳嘉恩<br>Medium帳號：</strong><a href="https://medium.com/u/fccc75ef9d7e">吳嘉恩</a></p><p><strong>自我介紹：</strong>Hi！我是嘉恩，喜歡嘗試新事物和美食，對資料科學興趣，歡迎討論！</p><p><strong>作品集：</strong></p><ol><li>*智在家鄉-透過科技技術來解決家鄉問題的競賽</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yNzQ9KmagYwpXYXUlt4E4w.png" /></figure><p><strong>名字：周夆燁<br>Medium帳號：</strong><a href="https://medium.com/u/8adfc8280f30">NelsonChou</a></p><p><strong>自我介紹：</strong>我目前就讀於東吳大學資料科學系，平常喜歡打球、聽音樂和吃拉麵，在團隊辦的workshop擔任助教及事前作業的協助。</p><h4>數據領航員宣傳團隊</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CZvvGGBc4SYDHpWP3pIEvQ.png" /></figure><p><strong>名字：朱筱琪<br>Medium帳號：</strong><a href="https://medium.com/u/b4f786f90f01">selina chu</a></p><p><strong>自我介紹：</strong>剛剛踏入資料科學領域的新鮮人，對一切事物都在學習、探索 ，平常最喜歡的是戶外活動和美食探索 ，目前是數據領航員宣傳團隊中的小小螺絲🔩之一。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dVN6XOkw8FqFP3NL88j23w.png" /></figure><p><strong>名字：林紘宇<br>Medium帳號：</strong><a href="https://medium.com/u/1e7c92b06f51">林紘宇</a></p><p><strong>自我介紹：</strong>大家好～我是林紘宇，資料科學系大一的學生，目前還在努力的學習專業能力中，請多多指教！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8Tbkawby1lb01UIdsgFQbg.png" /></figure><p><strong>名字：徐澍萭<br>Medium帳號：</strong><a href="https://medium.com/u/8ca9a20ad352">Bensonhsu</a></p><p><strong>自我介紹：</strong>目前還在搭穩自己的基礎，學習資料科學領域的基礎。喜歡追劇，享受無人打擾的時光，會使用一點點python ，仍還在持續學習實務應用。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*USeUjqh-JX26dJCDJx_zQA.png" /></figure><p><strong>名字：黃柏愷<br>Medium帳號：</strong><a href="https://medium.com/u/1a83d62905a7">Po-Kai Huang</a></p><p><strong>自我介紹：</strong>我是最近發現寫程式很有趣的前摩托車賽車選手及桌球選手，目前仍在持續學習如何更好及更有效的運用所學及經歷。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*W3TMGrjyd-s49xGTyqRkdg.png" /></figure><p><strong>名字：許郡驛<br>Medium帳號：</strong><a href="https://medium.com/u/f1ed51fb856b">Bob Shiu</a></p><p><strong>自我介紹：</strong>剛踏入數據世界的新鮮人，還沒什麼有趣的夢想，期望是能在這個新世界發展出屬於自己的一條路。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BjiDQRCFdN5V4YY0RNbBfQ.png" /></figure><p><strong>名字：何怡璇<br>Medium帳號：</strong><a href="https://medium.com/u/96b6675b0e0a">老魚</a></p><p><strong>自我介紹：</strong>資科一A的學生，平時喜歡看美妝影片跟綜藝節目~ 目前還在學習階段、在多方面探索當中！</p><p><strong>Data Science Meetup 台灣資料科學</strong>社群的使命是「為資料科學人士與企業創建經濟機會」。我們相信大數據蘊藏著巨量的信息和價值，如何處理好大數據並發掘其潛藏的商業價值，就要靠資料科學有效的應用。21世紀是資料科學決勝時代，我們社群將為大家提供與資料科學相關的最新技術和資訊實戰攻略，並透過全球業界人士和學者幫助相關職業規劃與挑戰，社群活動包含</p><ul><li>台北實體版聚</li><li>線上版聚</li><li>Mentorship Program</li></ul><p>歡迎加入我們社團瞭解更多資訊：<br><a href="https://www.facebook.com/groups/datasciencemeetup/">https://www.facebook.com/groups/datasciencemeetup/</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=eb15ebd9ba89" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-science-navigator/introduction-eb15ebd9ba89">數據領航員🚀｜在資料科學的路上，跟著我們一起探索大數據的秘密吧！</a> was originally published in <a href="https://medium.com/data-science-navigator">數據領航員</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>