Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
【勘誤】謝謝有許多觀眾提醒我們，部分內容的翻譯有出錯！3:57 value 應改為volume（數量）8:04 「集經」應改為「機經」12:58 skill up 應改為 scale up （規模擴大）另外，因為字幕已經鑲嵌在影片中無法更改，因此使用置頂留言的方式更正，謝謝大家的提醒～---------------志祺七七誠徵【影片內容企劃】與【外稿特約作者】歡迎有興趣的朋友加入志祺七七團隊❗職缺詳情請看官網說明 👉 bit.ly/3pi8zrE
你哥 >__< 真帥
含金量好高、剪輯節奏舒服、講的淺顯易懂、哥哥好帥😂
志祺爸媽太會教了吧...要不要也邀爸媽來講講怎麼教的
敲碗！！
我也很好奇他們爸媽，怎麼教出這麼厲害的兩個兄弟
我猜基因背景大概就一半了。😢
真的~跪求邀請爸媽，如何教育小孩?..
真的！！
志祺和哥哥聊天既專業又偶爾帶點幹話，帶來好多含金量超高的知識和見解，很喜歡這樣的氛圍~
志祺哥哥太狠了 會AI就算了 竟然還是能源和環境專家 世界需要更多這種人
想了解兄弟小時候受的嘴盾訓練，突然覺得這好重要
除了職業專業外。哥哥溝通時好會抓鏡頭和很多肢體語言去抓你的注意力，太厲害了🤩
資料科學家最核心也最難的就是make sense of data，在某個層面也是目前AI辦不到或說做不好的一環其中一點就類似要對ChatGPT問對問題，才會拿到比較好的答案難的反而不是coding本身，甚至現在就能請AI幫你寫出更乾淨更快的code這個職業最酷的地方就是，可以使用科學之力來驗證自己對某件事情的猜想，倍感踏實。
哥哥好帥 聲音好好聽～
我原本把志祺當做理想對象，看完這集我反悔了😖志祺哥好帥啊！
😅
做為一個有在清資料的人，舊資料的掌握者與瞭解者的配合真的很重要有時候扣個對照表，給個舊版欄位定義......就可以搞死想清理應用的人，或讓整個data變得無法使用不過更多時候也不是不配合，而是各部門真的是各自持有自己用的對照表 (還不一定有按時更新)，而欄位定義也幾經變動 + 不斷有人離職 -> 根本沒人知道最後後來者乾脆重新設一個新欄位，但這樣就會變成新舊版資料，且無法保證定義相同，然後我只能不斷罵這些XXXXXXX要把data弄成想要的形狀就佔70~80%以上的精力了
每一個部門有自己的對照表 每個欄位定義不同，聽起來就很累人。XD
當今天資料是長年累積下來的後……（崩潰大叫）
謝謝志祺做了這一集 目標是想成為資料科學家做商業分析 這支影片真的很有幫助🤍
志祺哥哥的職業真的好厲害
補充一下，台灣是硬體國家，如果你真的想搞資料科學建議去美國，在台灣資料科學家且"高薪"的職缺非常非常非常少。
只能説這門要修讀，真的要有很大興趣看著一堆“字”，如果對“資料”看了很多字會頭痛，或者不耐煩的，真的不建議。。。我自己以前也是修讀database相關的，還沒畢業就放棄了，但是整合資料這一塊真的需要細心，耐心跟懂很多coding。。。
志祺哥好帥
跪求訪問志祺&志祺哥的父母，如何教養出如此優秀的兄弟？😂
哥哥好帥🤩兄弟2人說話都好有邏輯、好有條理🤩謝謝這個影片，除了讓我了解什麼是資料科學家，也給了自己一些警醒：自己平常都被餵食了哪些資訊？那些資訊的背後是否存在刻意的操弄？尤其對比較情感取向的人來說，這真的蠻危險的😢更意識到志祺的影片存在的價值，可以幫助我們拓展對一件事情的認知，透過每一部影片的積累，觀眾可以培養更理性客觀的思考🤩
這一集的剪輯好可愛XD志祺和哥的互動也好可愛XD
這集很好看呢，學到很多不知道的東西，兄弟之間的默契很有同感XD
4:45 可能不太精確，資料科學家還是有假設，只是這些假設是以集合的方式來一口氣假設一系列的可能性(例如統計學習理論裡的hypothesis set)再由資料去找出最可能的假設(可稱為fitting或estimating)「有模可建」本來就是一個假設
同意，而且一定有個方向性，就算不是很明確的H0-H1，但至少一定會知道大看想看什麼結果，不然一整陀data也無從清理起，沒有適當清理丟去跑model也很容易"garbage in, garbage out"。
我也是看到這愣了一下... inductive bias這麼重要的原則居然忘了。我覺得硬要分傳統根非傳統有點奇怪，明明只是科技演進使人的視野跟能用的資料規模不一樣所以能歸納不同的知識出來，怎麼會講成有沒有假設的問題。
敲碗張家兄弟小時候的嘴遁訓練💥💥💥🙏🙏🙏平常都用兩倍速看志祺影片，今天用正常速度😍誰懂？ 哈哈哈哈哈
看標題還很納悶為什麼要稱自己志祺哥哥…😂
而且要唸「葛格」😆
+1 結果是 真 哥哥本人
志祺他哥🎉
哥哥也太帥😍
對於統計系的我來說，這是一個非常精彩且有意義的分享！感謝志祺跟志祺哥！
志祺哥哥思考好正面，這些只是中等難度的挑戰，目前也在經歷類似的事，對我來說很有壓力
#15：12這段看的出志祺和哥哥感情很不錯！所以哥哥這麼好cue🤣
哥倆的對話很自然又很有趣 很喜歡這一集
🎧🤣👍三天前上傳的影片耶！大概是連假前拍的，不過志祺哥哥地質背景還能夠自學程式及其演算法成功，實在是自學能力太強了，不過經驗分享的過程看得出知識和經驗內化在其中，聽完分享後果然和自己所想的差不多，😁不能還沒有正職工作前，就貿然去修兩年的學程，不然無法立即產生價值，謝謝分享，這些資訊門檻我相信就算醫學系的學生來切入，😁也不一定比台大地質的志祺哥哥還要短時間達成目標！特徵值提取，缺失值補正，離群值分析，還有整合式的圖像化，這是當初跨入python學到的基礎，希望將來有空時能找機會再深化，😁👍
這集真有趣，對不同職業有更多的認識和衍生想法。謝謝
覺得這篇還蠻受用的
無法跳脫同溫層 -> 不了解 -> 爭執 -> 衝突 -> 戰爭
志祺哥好帥啊！講話也是言之有物，感覺也蠻幽默的，真好奇兄弟倆一起使用嘴遁之術是什麼樣子😂
很有價值的一部影片!! 追蹤👍
這集真香～賞心悅目～
老闆都很喜歡聽數據化，資料驗證啊什麼之類的，只是給老闆安全感，說真的最後其實都還是要靠廠內的老工程師或是老師傅來做判斷決策，我也身處某間石化大廠，個人認為AI這東西不可靠（甚至幾乎沒有用，可能只有開光鮮亮麗的會議時才會提到，或是宣傳使用），但老闆卻說這是很好的投資,沒辦法底層的努力是不容易被看見的，反而這種新起行業容易被看到且比我們還賺太多了，很心累
謝謝志祺哥哥這麼清楚的講解，學習到很多! 謝謝!
志祺真該美黑一下 哥哥膚色很好看
其實就跟以前的賣電話號碼一樣，一個人的電話號碼不值錢，但是如果你有數千筆數萬筆呢?還有要如何過濾掉無用的電話號碼呢?調查整理出其中有價值的號碼就是那些人的工作對於業務或一些企業來說只要其中一個電話號碼是你要找的客戶或金主那麼些電話號碼的價值就抵過其他號碼了
感謝製作與分享，對我很有幫助🙏👍👍👍
AI或說machine learning的基礎就是餵data做training，學習到data pattern後能依據所學習到pattern對新的input data給出相應的output，而當data量越大、noise越少（就是越不髒），以及model本身的規模越大、parameter設置的越完善，AI面對新input的處理能力就會越好，例如最近很紅的ChaGPT應對ToM task研究，作者Kosinski也有指出GPT的parameter數量與ToM Task處理能力有所關聯（Study 3），所以AI跟data science不只不是看起來有段距離，兩者反而在根本上密不可分。
切換輸入法不累嗎
@@gdf66555 按著shift打
謝謝你的分享但是...這些英文都有對應的中文 不用這麼累
看不慣的人其實真的不懂；對於在非中文語系國家的高等學歷或業界所學到的專業詞語，真的沒有辦法用中文精準的表達。
以前國高中時的確看不慣這種留言，現在大學之後看原文書、上網查資料，才懂真的很多詞彙不是那麼精準的，就算有對應的詞也會覺得講起來怪怪的
前半段還算是個人經歷，但後半段就是跟每個人都有關了
很有意思的內容
沒想到志祺哥哥居然是地質系畢業又是資料科學家。我是環境物理系畢業(差不多就是地質物理系，因為系主任是專攻磁流體力學的😂)最近開始學Google的數據分析課程。本來找不到工作還蠻慌的，擔心選錯科系，但是志祺哥哥的背景跟我很像而且資料科學領域前景聽起來又很好讓我安心不少了！
安心不少很好啊！但海內外應該差異挺大的吧
@@a0926753805 台灣的資訊科學領域我沒有什麼研究，當初也是看到北美的工作機會不少才去多研究的 😂
歌也太帥，難怪志祺眼鏡拿下可以大變身
帥哥哥又來了 😍
12:58 這裡應該是 scale up 吧
沒錯！怎麼可能翻成技能提升，應該是規模擴大才對
其實現在data scientists 已經漸漸飽和，薪資沒有這麼高也沒有這麼好找工作了。這一波科技巨頭的裁員很多data scientists就是先被裁了
有相關資訊嗎? 先被裁員的部分
Data science 是文組要切進偏理工工作不錯的選擇，我從小理組的科目都超差，也做不來純coding的工作，所以像這種半商半理的工作滿適合的，因為R,SQL這種語言相對易學。有興趣文轉理的可以參考一下！
DS 不會 python 很難找工作。而且不會 coding 履歷直接進垃圾桶。
基礙要先學C++
@@tmai4077 但是純文組學C+真的太難理解了，python會比較好入門
@@tmai4077 別瞎掰好嗎😒
我們工作通常懂數據庫sql即可 不需要會C 但也是看你們找的是什麼公司跟職位喔 多少有差
我是正在學相關學科的學生，很感謝出了這個影片
志祺哥哥介紹的書已經有中文版了~降低了一點硬度😅
志祺哥太好看了吧（托腮
可以請志棋邀哥哥定期 大概ㄧ個月ㄧ次的podcast 針對資料科學的trend 或主體講一集嗎？我想說志棋哥哥也有提到他不一定會待在這個職位但下個職位會是目前DS ML or Modling 的運用 如果可以在這個微講壇或這種對話空間能跨出去其他領域 我覺得也是半解鎖哥哥的願望。🙏
這是我聽過最舒服的晶晶體了(´･ω･｀)
資訊量爆炸的一集🤣🤣不過內容很棒！
目前正在UCLA唸經濟系 沒意外會繼續唸UCLA MSBA 畢業後用OPT當一個和Data Scientist相輔相成的Business Analyst🥺
後面提的用模型預測人的行為，這個觀點蠻有趣的!
不只預測，是置入/控制
確定是兄弟嗎...哥哥這麼帥😆
老實說我還想不到哪個年薪千萬的工作不是敲敲鍵盤就有的。有些甚至不用敲鍵盤，吃飯喝酒 打電話講講話就可以。
好酷😎的職業👍
哥哥好帥🤣
嘴遁其實就是業務能力
為什麼志祺哥看起來比志祺本人年輕？
因為體重決定年齡⋯
有志祺哥 先點贊 再慢慢看
我是2018年读的大学，正好遇上了学校第一年开设data science这个本科专业，挺感谢正好赶上了这个时代
看志祺哥哥的眼神就會想到志祺沒戴眼鏡時的樣子
謝謝志祺和哥哥，我剛好正要從med轉tech就看到這集，也在考慮要轉data science還是專精一點bioinformatics。請問能問一下志祺哥哥覺得當data scientist有讀博班的需要嗎？還是直接進職場累積經驗更重要？謝謝！
我大部分Computer Sc/IT相關（尤其是bioinfomatics）的朋友都有繼續讀data sc的碩博班再進職場，給你參考看看。
其實他就是轉行 博士學位是多餘的石化產業都在LCOL的地方薪水給的不高 絕對稅前沒到千萬台幣 600-700吧要轉tech就是念相關碩士刷題轉最快 念博班是為了省錢唸兩年拿碩士學位閃人也行不過比較難
不是做bioinformatics但至少我確定你如果想要scientist title PhD 是門檻，MS你光找swe就很競爭了，scientist 缺除非你有什麼特別傑出的點不然連interview都拿不到。至於薪水完全看子領域跟公司，稅前30-40在我知道的幾的領域是起薪(faang)，而且不升等其實沒幾年就掰了，所以基本上能待得住的話(以台灣醫科的程度我相信不難) annual 400k應該是蠻可以期待的 (?
其实不需要，但是好的data science master's program竞争太激烈了。如果单纯想为了挣钱的话，还是建议转swe吧，薪资差不多，工作岗位更多+门槛比较低（好学校的本科或者一般学校硕士）
哥哥的口條也超好! 然後看起來比較年輕(誤XD"
兄弟都好優秀喔！口才也都很好👍
養我排隊隊伍在這邊嗎？
上輩子到底要做過多少好事，才可以嫁給他呀…（志祺抱歉）
志祺跟哥哥都好帥！
說讀書沒用的人真的要好好看這集XD
哥哥講的真的很好😮
謝謝！
哥哥好帥！
兩個男人都好喜歡！愛死了啦！
哥也太帥了吧😍
強大的兩兄弟～
哥哥太帥了吧
幫忙畫重點 ((完全劃錯XDD
哥可以原地出道，開頻道做資料科學分享！😂
哥哥好帥！2人不太像但都很書香😁👏👏
就等這一條😂怎麼只有一個人說呢
兩個人都好聰明喔，神奇的基因XD
當然基因對智商都有一定程度的決定性，但後天養成在於人的性格、習慣、心態、知識量⋯也就是說有足夠的知識量就有相當的眼界，開闊眼界養成求知慾與寬容的心態、開放的心態決定一個人的良好性格、而自律與實踐的性格則影響習慣、好的習慣則是邁向卓越，卓越經常伴隨著成功⋯⋯ 難怪好多人敲碗志祺爸媽的教育方針😂
只有我在意志祺哥哥很帥這件事嗎?!
超帥的😍
一直覺得很厲害，常用電腦的人沒近視？是戴隱形眼鏡？還是雷射？
這對兄弟實在異於常人😂
哥哥好帥🤩
超有营养的！
能用數據把企業唬得一愣一愣的職業都能賺大錢（如：產線規劃師……等等）
？
18:05 大概是微軟😅
能講一下刷題要去哪裡找嗎，還有要學哪些東西的先後順序嗎
哥哥好帥
志祺哥哥好帥喔🤩🤩🤩
哥哥很帥😂
兩人一起掰逼也太可愛wwww
志祺家男生都很帥耶
8:04 的「集經」應該改成「機經」？是大陸用語，機考經驗的意思，基本上就是把上機考的考題背出來所形成的題庫～有考過GMAT的人應該多少有聽過😂
我以為是集錦呢
基地 ,哈里 謝頓 ,心理史學
兩位聲音好像哦！好優質的兄弟
【勘誤】
謝謝有許多觀眾提醒我們，部分內容的翻譯有出錯！
3:57 value 應改為volume（數量）
8:04 「集經」應改為「機經」
12:58 skill up 應改為 scale up （規模擴大）
另外，因為字幕已經鑲嵌在影片中無法更改，因此使用置頂留言的方式更正，謝謝大家的提醒～
---------------
志祺七七誠徵【影片內容企劃】與【外稿特約作者】
歡迎有興趣的朋友加入志祺七七團隊❗
職缺詳情請看官網說明 👉 bit.ly/3pi8zrE
你哥 >__< 真帥
含金量好高、剪輯節奏舒服、講的淺顯易懂、哥哥好帥😂
志祺爸媽太會教了吧...要不要也邀爸媽來講講怎麼教的
敲碗！！
我也很好奇他們爸媽，怎麼教出這麼厲害的兩個兄弟
我猜基因背景大概就一半了。😢
真的~跪求邀請爸媽，如何教育小孩?..
真的！！
志祺和哥哥聊天既專業又偶爾帶點幹話，帶來好多含金量超高的知識和見解，很喜歡這樣的氛圍~
志祺哥哥太狠了 會AI就算了 竟然還是能源和環境專家 世界需要更多這種人
想了解兄弟小時候受的嘴盾訓練，突然覺得這好重要
除了職業專業外。哥哥溝通時好會抓鏡頭和很多肢體語言去抓你的注意力，太厲害了🤩
資料科學家最核心也最難的就是make sense of data，在某個層面也是目前AI辦不到或說做不好的一環
其中一點就類似要對ChatGPT問對問題，才會拿到比較好的答案
難的反而不是coding本身，甚至現在就能請AI幫你寫出更乾淨更快的code
這個職業最酷的地方就是，可以使用科學之力來驗證自己對某件事情的猜想，倍感踏實。
哥哥好帥 聲音好好聽～
我原本把志祺當做理想對象，看完這集我反悔了😖
志祺哥好帥啊！
😅
做為一個有在清資料的人，舊資料的掌握者與瞭解者的配合真的很重要
有時候扣個對照表，給個舊版欄位定義......就可以搞死想清理應用的人，或讓整個data變得無法使用
不過更多時候也不是不配合，而是各部門真的是各自持有自己用的對照表 (還不一定有按時更新)
，而欄位定義也幾經變動 + 不斷有人離職 -> 根本沒人知道
最後後來者乾脆重新設一個新欄位，但這樣就會變成新舊版資料，且無法保證定義相同，然後我只能不斷罵這些XXXXXXX
要把data弄成想要的形狀就佔70~80%以上的精力了
每一個部門有自己的對照表 每個欄位定義不同，聽起來就很累人。XD
當今天資料是長年累積下來的後……（崩潰大叫）
謝謝志祺做了這一集 目標是想成為資料科學家做商業分析 這支影片真的很有幫助🤍
志祺哥哥的職業真的好厲害
補充一下，台灣是硬體國家，如果你真的想搞資料科學建議去美國，在台灣資料科學家且"高薪"的職缺非常非常非常少。
只能説這門要修讀，真的要有很大興趣看著一堆“字”，如果對“資料”看了很多字會頭痛，或者不耐煩的，真的不建議。。。我自己以前也是修讀database相關的，還沒畢業就放棄了，但是整合資料這一塊真的需要細心，耐心跟懂很多coding。。。
志祺哥好帥
跪求訪問志祺&志祺哥的父母，如何教養出如此優秀的兄弟？😂
哥哥好帥🤩兄弟2人說話都好有邏輯、好有條理🤩
謝謝這個影片，除了讓我了解什麼是資料科學家，也給了自己一些警醒：自己平常都被餵食了哪些資訊？那些資訊的背後是否存在刻意的操弄？尤其對比較情感取向的人來說，這真的蠻危險的😢
更意識到志祺的影片存在的價值，可以幫助我們拓展對一件事情的認知，透過每一部影片的積累，觀眾可以培養更理性客觀的思考🤩
這一集的剪輯好可愛XD
志祺和哥的互動也好可愛XD
這集很好看呢，學到很多不知道的東西，兄弟之間的默契很有同感XD
4:45 可能不太精確，資料科學家還是有假設，只是這些假設是以集合的方式來一口氣假設一系列的可能性(例如統計學習理論裡的hypothesis set)再由資料去找出最可能的假設(可稱為fitting或estimating)
「有模可建」本來就是一個假設
同意，而且一定有個方向性，就算不是很明確的H0-H1，但至少一定會知道大看想看什麼結果，不然一整陀data也無從清理起，沒有適當清理丟去跑model也很容易"garbage in, garbage out"。
我也是看到這愣了一下... inductive bias這麼重要的原則居然忘了。我覺得硬要分傳統根非傳統有點奇怪，明明只是科技演進使人的視野跟能用的資料規模不一樣所以能歸納不同的知識出來，怎麼會講成有沒有假設的問題。
敲碗張家兄弟小時候的嘴遁訓練💥💥💥🙏🙏🙏
平常都用兩倍速看志祺影片，今天用正常速度😍誰懂？ 哈哈哈哈哈
看標題還很納悶為什麼要稱自己志祺哥哥…😂
而且要唸「葛格」😆
+1 結果是 真 哥哥本人
志祺他哥🎉
哥哥也太帥😍
對於統計系的我來說，這是一個非常精彩且有意義的分享！感謝志祺跟志祺哥！
志祺哥哥思考好正面，這些只是中等難度的挑戰，目前也在經歷類似的事，對我來說很有壓力
#15：12
這段看的出志祺和哥哥感情很不錯！
所以哥哥這麼好cue
🤣
哥倆的對話很自然又很有趣 很喜歡這一集
🎧🤣👍三天前上傳的影片耶！大概是連假前拍的，不過志祺哥哥地質背景還能夠自學程式及其演算法成功，實在是自學能力太強了，不過經驗分享的過程看得出知識和經驗內化在其中，聽完分享後果然和自己所想的差不多，😁不能還沒有正職工作前，就貿然去修兩年的學程，不然無法立即產生價值，謝謝分享，這些資訊門檻我相信就算醫學系的學生來切入，😁也不一定比台大地質的志祺哥哥還要短時間達成目標！特徵值提取，缺失值補正，離群值分析，還有整合式的圖像化，這是當初跨入python學到的基礎，希望將來有空時能找機會再深化，😁👍
這集真有趣，對不同職業有更多的認識和衍生想法。謝謝
覺得這篇還蠻受用的
無法跳脫同溫層 -> 不了解 -> 爭執 -> 衝突 -> 戰爭
志祺哥好帥啊！講話也是言之有物，感覺也蠻幽默的，真好奇兄弟倆一起使用嘴遁之術是什麼樣子😂
很有價值的一部影片!! 追蹤👍
這集真香～
賞心悅目～
老闆都很喜歡聽數據化，資料驗證啊什麼之類的，只是給老闆安全感，說真的最後其實都還是要靠廠內的老工程師或是老師傅來做判斷決策，我也身處某間石化大廠，個人認為AI這東西不可靠（甚至幾乎沒有用，可能只有開光鮮亮麗的會議時才會提到，或是宣傳使用），但老闆卻說這是很好的投資,沒辦法底層的努力是不容易被看見的，反而這種新起行業容易被看到且比我們還賺太多了，很心累
謝謝志祺哥哥這麼清楚的講解，學習到很多! 謝謝!
志祺真該美黑一下 哥哥膚色很好看
其實就跟以前的賣電話號碼一樣，一個人的電話號碼不值錢，但是如果你有數千筆數萬筆呢?還有要如何過濾掉無用的電話號碼呢?調查整理出其中有價值的號碼就是那些人的工作
對於業務或一些企業來說只要其中一個電話號碼是你要找的客戶或金主那麼些電話號碼的價值就抵過其他號碼了
感謝製作與分享，對我很有幫助🙏👍👍👍
AI或說machine learning的基礎就是餵data做training，學習到data pattern後能依據所學習到pattern對新的input data給出相應的output，而當data量越大、noise越少（就是越不髒），以及model本身的規模越大、parameter設置的越完善，AI面對新input的處理能力就會越好，例如最近很紅的ChaGPT應對ToM task研究，作者Kosinski也有指出GPT的parameter數量與ToM Task處理能力有所關聯（Study 3），所以AI跟data science不只不是看起來有段距離，兩者反而在根本上密不可分。
切換輸入法不累嗎
@@gdf66555 按著shift打
謝謝你的分享
但是...這些英文都有對應的中文 不用這麼累
看不慣的人其實真的不懂；對於在非中文語系國家的高等學歷或業界所學到的專業詞語，真的沒有辦法用中文精準的表達。
以前國高中時的確看不慣這種留言，
現在大學之後看原文書、上網查資料，
才懂真的很多詞彙不是那麼精準的，
就算有對應的詞也會覺得講起來怪怪的
前半段還算是個人經歷，但後半段就是跟每個人都有關了
很有意思的內容
沒想到志祺哥哥居然是地質系畢業又是資料科學家。我是環境物理系畢業(差不多就是地質物理系，因為系主任是專攻磁流體力學的😂)最近開始學Google的數據分析課程。本來找不到工作還蠻慌的，擔心選錯科系，但是志祺哥哥的背景跟我很像而且資料科學領域前景聽起來又很好讓我安心不少了！
安心不少很好啊！但海內外應該差異挺大的吧
@@a0926753805 台灣的資訊科學領域我沒有什麼研究，當初也是看到北美的工作機會不少才去多研究的 😂
歌也太帥，難怪志祺眼鏡拿下可以大變身
帥哥哥又來了 😍
12:58 這裡應該是 scale up 吧
沒錯！怎麼可能翻成技能提升，應該是規模擴大才對
其實現在data scientists 已經漸漸飽和，薪資沒有這麼高也沒有這麼好找工作了。這一波科技巨頭的裁員很多data scientists就是先被裁了
有相關資訊嗎? 先被裁員的部分
Data science 是文組要切進偏理工工作不錯的選擇，我從小理組的科目都超差，也做不來純coding的工作，所以像這種半商半理的工作滿適合的，因為R,SQL這種語言相對易學。有興趣文轉理的可以參考一下！
DS 不會 python 很難找工作。而且不會 coding 履歷直接進垃圾桶。
基礙要先學C++
@@tmai4077 但是純文組學C+真的太難理解了，python會比較好入門
@@tmai4077 別瞎掰好嗎😒
我們工作通常懂數據庫sql即可 不需要會C
但也是看你們找的是什麼公司跟職位喔 多少有差
我是正在學相關學科的學生，很感謝出了這個影片
志祺哥哥介紹的書已經有中文版了~降低了一點硬度😅
志祺哥太好看了吧（托腮
可以請志棋邀哥哥定期 大概ㄧ個月ㄧ次的podcast 針對資料科學的trend 或主體講一集嗎？我想說志棋哥哥也有提到他不一定會待在這個職位但下個職位會是目前DS ML or Modling 的運用 如果可以在這個微講壇或這種對話空間能跨出去其他領域 我覺得也是半解鎖哥哥的願望。🙏
這是我聽過最舒服的晶晶體了(´･ω･｀)
資訊量爆炸的一集🤣🤣不過內容很棒！
目前正在UCLA唸經濟系 沒意外會繼續唸UCLA MSBA 畢業後用OPT當一個和Data Scientist相輔相成的Business Analyst🥺
後面提的用模型預測人的行為，這個觀點蠻有趣的!
不只預測，是置入/控制
確定是兄弟嗎...哥哥這麼帥😆
老實說我還想不到哪個年薪千萬的工作不是敲敲鍵盤就有的。
有些甚至不用敲鍵盤，吃飯喝酒 打電話講講話就可以。
好酷😎的職業👍
哥哥好帥🤣
嘴遁其實就是業務能力
為什麼志祺哥看起來比志祺本人年輕？
因為體重決定年齡⋯
有志祺哥 先點贊 再慢慢看
我是2018年读的大学，正好遇上了学校第一年开设data science这个本科专业，挺感谢正好赶上了这个时代
看志祺哥哥的眼神就會想到志祺沒戴眼鏡時的樣子
謝謝志祺和哥哥，我剛好正要從med轉tech就看到這集，也在考慮要轉data science還是專精一點bioinformatics。請問能問一下志祺哥哥覺得當data scientist有讀博班的需要嗎？還是直接進職場累積經驗更重要？謝謝！
我大部分Computer Sc/IT相關（尤其是bioinfomatics）的朋友都有繼續讀data sc的碩博班再進職場，給你參考看看。
其實他就是轉行 博士學位是多餘的
石化產業都在LCOL的地方薪水給的不高 絕對稅前沒到千萬台幣 600-700吧
要轉tech就是念相關碩士刷題轉最快 念博班是為了省錢唸兩年拿碩士學位閃人也行不過比較難
不是做bioinformatics但至少我確定你如果想要scientist title PhD 是門檻，MS你光找swe就很競爭了，scientist 缺除非你有什麼特別傑出的點不然連interview都拿不到。至於薪水完全看子領域跟公司，稅前30-40在我知道的幾的領域是起薪(faang)，而且不升等其實沒幾年就掰了，所以基本上能待得住的話(以台灣醫科的程度我相信不難) annual 400k應該是蠻可以期待的 (?
其实不需要，但是好的data science master's program竞争太激烈了。如果单纯想为了挣钱的话，还是建议转swe吧，薪资差不多，工作岗位更多+门槛比较低（好学校的本科或者一般学校硕士）
哥哥的口條也超好! 然後看起來比較年輕(誤XD"
兄弟都好優秀喔！口才也都很好👍
養我排隊隊伍在這邊嗎？
上輩子到底要做過多少好事，才可以嫁給他呀…（志祺抱歉）
志祺跟哥哥都好帥！
說讀書沒用的人真的要好好看這集XD
哥哥講的真的很好😮
謝謝！
哥哥好帥！
兩個男人都好喜歡！
愛死了啦！
哥也太帥了吧😍
強大的兩兄弟～
哥哥太帥了吧
幫忙畫重點 ((完全劃錯XDD
哥可以原地出道，開頻道做資料科學分享！😂
哥哥好帥！2人不太像但都很書香😁👏👏
就等這一條😂怎麼只有一個人說呢
兩個人都好聰明喔，神奇的基因XD
當然基因對智商都有一定程度的決定性，但後天養成在於人的性格、習慣、心態、知識量⋯也就是說有足夠的知識量就有相當的眼界，開闊眼界養成求知慾與寬容的心態、開放的心態決定一個人的良好性格、而自律與實踐的性格則影響習慣、好的習慣則是邁向卓越，卓越經常伴隨著成功⋯⋯ 難怪好多人敲碗志祺爸媽的教育方針😂
只有我在意志祺哥哥很帥這件事嗎?!
超帥的😍
一直覺得很厲害，常用電腦的人沒近視？是戴隱形眼鏡？還是雷射？
這對兄弟實在異於常人😂
哥哥好帥🤩
超有营养的！
能用數據把企業唬得一愣一愣的職業都能賺大錢（如：產線規劃師……等等）
？
18:05 大概是微軟😅
能講一下刷題要去哪裡找嗎，還有要學哪些東西的先後順序嗎
哥哥好帥
志祺哥哥好帥喔🤩🤩🤩
哥哥很帥😂
兩人一起掰逼也太可愛wwww
志祺家男生都很帥耶
8:04 的「集經」應該改成「機經」？是大陸用語，機考經驗的意思，基本上就是把上機考的考題背出來所形成的題庫～有考過GMAT的人應該多少有聽過😂
我以為是集錦呢
基地 ,哈里 謝頓 ,心理史學
兩位聲音好像哦！好優質的兄弟