# AI、Data 與 Web，跨領域的資料科學工作者之路 - 維元

{%hackmd LeyMdnM3Q4ipfr57bkqpyA %}

#### [📚 議程介紹](https://webconf.tw/agenda/day1-7-f)

###### ▼▼▼ 開始筆記 ▼▼▼

講者社群
[FB](https://www.facebook.com/dscareer/?locale=zh_TW)
[Youtube](https://www.youtube.com/@dsdaily)
[IG](https://www.instagram.com/___dsdaily___/)

## 資料科學：從資料中找關係

目標是通過從數據中取出有價值的部分來生產

現代資料科學：在大數據資料中找到原本不知道的事情或關係


學不完一定的，每個人起始點不同
怎麼準備面試？比旁邊的人多會一點就行XD

## 資料團隊三角色

資料專案其實是一個團隊
### 1.資料工程師
* 專注在給資料使用者需要的資料
* 如何更有效的處理數據拉曲需要的資料
* DBA 模型部署
* 技能 MLOps

* 寫爬蟲+ETL+DBA

### 2.資料分析師

### 3.資料科學家

MLOps

LLMOps

## 人工智慧
基於資料科學

AlpgaGo 特定領域表現很好
ChatGPT 廣泛方便使用

### 如何不被AI取代
使用AI的同時，我們也要：
- 解讀分析結果
- 善用開源工具
- 選擇應用場景

AI幫人找解法，但無法幫忙做決定

## 反思
### 如何安排或規劃學習地圖
：先求有再求好

### AI趨勢中，如何增強
成為一個會使用AI的人

### 如何定義`資深開發者`
梗懂的知道如何找方法解決問提，以前google，現在ChatGPT

技術終歸要落地

## 不同階段，選擇不同
初學階段：選門檻高的
作品階段：選時間內做得出來的
求職階段：選熱門
實務階段：選熟悉的