Category: 資料/工程

從五個切入點看數據中台的必要性

在上一篇《我的資料工程轉捩點,與數據中台》講完個人經驗之後,我想來拆解數據中台的本質,我在第一次看到這個名詞之後,嘗試搜尋了很多資料,但都只得到模糊的抽象,完全無法理解它葫蘆裡賣的是什麼藥。 直到最近...

我的資料工程轉捩點,與數據中台

2018 年,阿里巴巴對社會輸出「數據中台」這個價值體系,聲稱這樣的技術架構可以解決業務與開發效率的不對稱性、落實「數據為本」、極大化企業資料價值。 到了 2020,流行的可能是「拆中台」,將數據中台...

先有軟體與數據文化,才有AI ver.2020

此文撰於三年多前(2017-07-2),由於最近又有新的文化(遠端工作模式)產生,很多觀念仍然適用,就做了小幅度修改重發。 文化沒有捷徑。圖為貝爾格勒,這裡的歷史街區和建築極具吸引力 photo cr...

為何資料工程人才難以培養?

示意圖:被巨量資料開發的隕石砸到 這幾年我很常聽到快畢業的學生,或是剛踏入職場的新鮮人詢問,要如何培養資料工程的實務能力,像是: 我很希望自己有更好的資料工程(ETL/data pipeline)實務...

為什麼資料科學「曾經」比資料工程流行?

分析與模型在多數人眼中,比工程更性感 「清資料很無聊、研究模型很潮」這從學生與新鮮人的角度來說,在踏入業界以前有這樣的認知是很正常的事情,對於那些已經在業界、卻不在 AI 領域的人來說,或許也是類似的...

資料科學角色光譜圖

原本上一篇應該就要結束了,但因為這篇《設計角色的光譜》The spectrum of design roles in 2018 – UX Collective 呈現的方式實在太棒了,忍不住也想來做一張...

從資料科學人力配置,看公司的資料工程複雜度

康威定律告訴我們:設計系統的架構受制於產生這些設計的組織的溝通結構。 對於求職者來說,要了解一間公司,有很多面向可以評估。對於資料科學領域,常用的一個方法就是評估它的資料工程複雜度,更簡化來說,就是科...

資料科學的職稱分類演進

「資料科學家到底做些什麼?」、「為什麼這間公司的科學家也要做資料工程?」、「資料清理是誰應該做的?」、「機器學習工程師跟資料工程師有差嗎?」、「資料分析師又跟他們差在哪?」 這些都是求職過程中,面試者...