rplot

資料專案的完整流程 3：Information-out

在這篇文章中，我想要跟大家談談「Information-out」這件事，當資料科學家費盡大量的心力分析完資料，找出有用的洞見後，時常我們必須要向「有決策權的人」─客戶、主管、其他部門的同事─進行報告。此時，「有效地」呈現資料分析的結果將會影響著前面的分析究竟是白費了，還是能夠真正影響組織決策，讓自己的分析為組織帶來價值！

%e8%a1%a8%e6%a0%bc123

讀者提問：什麼是支持向量機 (SVM)

幾乎所有的機器學習課程，都會談到一個很經典的演算法，叫做支持向量機 (support vector machine) 。最近有個朋友在粉絲專頁上問到，「支持向量機到底是什麼？」所以我想要(嘗試) 用比較好理解的方法簡單介紹什麼是 SVM。

%e8%a1%a8%e6%a0%bc123

資料專案的完整流程 2：Information-process

在 Info-in 時資料科學家心中應該已經有個譜，大致上想好後續要怎麼樣建模，因此這一步算是整個資料分析中比較輕鬆的部分。常常就是「把資料塞進去→調整參數→看結果」的過程不斷循環，當然不同類型的資料會需要用到不同的統計或機器學習技法，這是建模過程中較為困難的地方。

%e8%a1%a8%e6%a0%bc123

人工智慧與增強學習 1：什麼是增強學習？

人類在進行決策時，常常會根據目前「環境」(environment) 的「狀態」 (state) 執行「動作」 (action)，執行動作會造成兩個結果：一是人們會得到「環境」給我們的回饋，也就是人類會得到「報酬」 (reward) ，接著我們所執行的動作也會去改變「環境」，使得「環境」進入到一個新的「狀態」。