# 資料科學面面觀：理論、案例及企業導入方法 重點內容整理

<h5><h5 style="color:blue">資料科學</h5>
<ul>
<li>Big Data</li>
<li>Streaming Data System</li>
<li>Data Discovery</li>
</ul>
<h5><h5 style="color:blue">資料科學家須具備的特質</h5>
<ul>
<li>數理統計</li>
<li>程式能力</li>
<li>Domain Knowledge</li>
<li>Communication Skill</li>
</ul>
<h5><h5 style="color:blue">案例分析</h5>
<ul>
<li>FB選舉研究/個人特質研究</li>
<li>服裝設計-非結構性資料</li>
<li>頻果日報捐款</li>
<li>Who's call行銷電話</li>
<li>釣魚網頁</li>
<li>預測魔獸世界玩家消失</li>
</ul>
<h5><h5 style="color:blue">培養創意點子</h5>
<ul>
<li>創意運用</li>
<ul>
<li>拼圖</li>
<li>改變用途</li>
<li>階段再定義</li>
<li>情勢率(改變自己的眼光)</li>
</ul>
<li>創意培養</li>
<ul>
<li>巴黎司機</li>
<li>杜拉克式問句</li>
<li>點子筆記本</li>
<li>預備->潛伏->發光</li>
<li>大量閱讀</li>
</ul>

<h5><h5 style="color:blue">
其他
</h5>
<ul>
<li>Draft Zero</li>
<li>Netflix Jobs</li>
<li>Crowdsourcing</li>
<li>計算社會學(idea flow)</li>
<li>認知偏差</li>
<li>3 points</li>
<ul>
<li>非結構性資料</li>
<li>資料重用</li>
<li>異質性資料結合</li>
</ul>
</ul>

</html>