19.1 萬次觀看
※ 摘要僅根據標題與說明
資料科學
Data Science ・ 21 筆內容
資料分析、資料工程與推薦系統。
也叫做：資料科學、数据科学、data science、資料分析、数据分析、data engineering、資料工程、推薦系統、推荐系统、recommender
學習路徑
由淺入深：入門 → 進階 → 高階
入門初窺門徑
Vanishing Gradients1 小時 11 分● 有原文
Frequently Asked Questions about My Writing Process
Eugene Yan（部落格）● 有原文
The PrimeTime19 分鐘○ 無原文
How to Apply Data Science Skills to AI Engineering（在新分頁開啟原站）
Hamel Husain4 分鐘○ 無原文
進階登堂入室
The Revenge of the Data Scientist
Hamel Husain（部落格）● 有原文
Big Data Enters the Agent Era: DataBuddy End-to-End Hands-On Tutorial（在新分頁開啟原站）
技术爬爬虾 TechShrimp12 分鐘○ 無原文
The Future of Agentic Data Science（在新分頁開啟原站）
Vanishing Gradients1 小時 5 分○ 無原文
The Nature of AI: Solving the Planet's Data Gap with Drew Purves（在新分頁播放音檔）
Google DeepMind: The Podcast40 分鐘○ 無原文
高階爐火純青
Pretraining progress is mostly coming from data
Dwarkesh Patel● 有原文
排行前 7 名
依相關、人氣、新鮮度綜合排序；站長推薦的加成
The Rise of the AI Scientist
本訪談探討 AI 產品設計中的「評估問題」，指出當產品無法讓使用者驗證答案時，說明產品本身設計不佳。訪談者提出未來可能出現「AI 科學家」這一新職稱，負責設計可驗證的 AI 系統。
The Revenge of the Data Scientist
探討資料科學家是否已過輝煌時代。作者指出，雖然基礎模型 API 讓 AI 整合變得容易，但核心工作仍集中在實驗設計、系統除錯與指標設計上，而非單純呼叫模型。
Big Data Enters the Agent Era: DataBuddy End-to-End Hands-On Tutorial（在新分頁開啟原站）
本影片為 DataBuddy 的端到端實作教學，涵蓋資料工程、分析與治理等核心概念，並展示企業級平台架構。
2 萬次觀看※ 摘要僅根據標題與說明
The Future of Agentic Data Science（在新分頁開啟原站）
本訪談探討「代理型資料科學」如何將資料科學從成本中心轉型為即時決策智慧中心。訪談者介紹了透過並行分析、多玩家協作以及因果評估層面來解決資料科學中的斷層問題，並展示了如何將專業判斷轉化為可運用的技能。
※ 摘要僅根據標題與說明
How to Apply Data Science Skills to AI Engineering（在新分頁開啟原站）
本影片由 Hamel Husain 分享，他結合 20 年資料與機器學習經驗，探討如何將資料科學技能應用於 AI 工程。內容涵蓋從基礎資料處理到錯誤分析，並介紹了如何建立可量化的 AI 產品評估體系，幫助工程師與產品經理提升 AI 交付品…
※ 摘要僅根據標題與說明
Data Scientist to AI Engineer Roadmap for 2026（在新分頁開啟原站）
Dave Ebbelaar 分享從資料科學轉向 AI 工程師的 2026 年路徑，涵蓋軟體工程技能與 LLM 架構。
※ 摘要僅根據標題與說明
最新
依發布時間
Why LLM Recommenders Will Be AI's Biggest Consumer App — Devansh Tandon, Meta（在新分頁開啟原站）
Meta 的 Devansh Tandon 在影片中探討 LLM 推薦器將成為 AI 領域最大的使用者應用程式，並分析其發展趨勢。
※ 摘要僅根據標題與說明
How to Apply Data Science Skills to AI Engineering（在新分頁開啟原站）
本影片由 Hamel Husain 分享，他結合 20 年資料與機器學習經驗，探討如何將資料科學技能應用於 AI 工程。內容涵蓋從基礎資料處理到錯誤分析，並介紹了如何建立可量化的 AI 產品評估體系，幫助工程師與產品經理提升 AI 交付品…
※ 摘要僅根據標題與說明
Big Data Enters the Agent Era: DataBuddy End-to-End Hands-On Tutorial（在新分頁開啟原站）
本影片為 DataBuddy 的端到端實作教學，涵蓋資料工程、分析與治理等核心概念，並展示企業級平台架構。
2 萬次觀看※ 摘要僅根據標題與說明
Pretraining progress is mostly coming from data
本研究分析了 2019 至 2025 年間 AI 訓練進步中資料與模型改進的貢獻。結果顯示，資料改進帶來的計算效率增益比模型改進高出 3.24 倍，且兩者增益 largely 獨立，資料工程（如資料篩選與構建）在提升模型能力上佔據主導地位。
The Rise of the AI Scientist
本訪談探討 AI 產品設計中的「評估問題」，指出當產品無法讓使用者驗證答案時，說明產品本身設計不佳。訪談者提出未來可能出現「AI 科學家」這一新職稱，負責設計可驗證的 AI 系統。
Meta 前員工回憶裁員內幕！祖克柏 AI 蒸餾引爆內部反彈⋯⋯組內量化人才被砍光，質性研究員也將被取代？｜前 Meta 資料科學家 Jimmy【塞掐 Side Chat】E417（在新分頁開啟原站）
前 Meta 資料科學家 Jimmy 回顧公司裁員內幕，指出量化人才被砍光，質性研究員亦面臨取代危機。
※ 摘要僅根據標題與說明
- 19.1 萬次觀看
※ 摘要僅根據標題與說明
E417: Meta 前員工回憶裁員內幕！祖克柏 AI 蒸餾引爆內部反彈⋯⋯組內量化人才被砍光，質性研究員也將被取代？｜前 Meta 資料科學家 Jimmy【塞掐 Side Chat】E417（在新分頁開啟原站）
前 Meta 量化研究員 Jimmy 分享公司內部裁員內幕，揭露量化人才被砍光、質性研究員亦遭取代的現實。他回顧從 Amazon 到 Meta 的職涯，並談及公司鼓勵員工使用 AI 卻引發內部反彈的真實情況。
※ 摘要僅根據標題與說明
Data Scientist to AI Engineer Roadmap for 2026（在新分頁開啟原站）
Dave Ebbelaar 分享從資料科學轉向 AI 工程師的 2026 年路徑，涵蓋軟體工程技能與 LLM 架構。
※ 摘要僅根據標題與說明
Augment or Not? A Comparative Study of Pure and Augmented Large Language Model Recommenders（在新分頁開啟原站）
探討純模型與增強大語言模型推薦器，並比較兩者優缺點。
※ 摘要僅根據標題與說明
The Future of Agentic Data Science（在新分頁開啟原站）
本訪談探討「代理型資料科學」如何將資料科學從成本中心轉型為即時決策智慧中心。訪談者介紹了透過並行分析、多玩家協作以及因果評估層面來解決資料科學中的斷層問題，並展示了如何將專業判斷轉化為可運用的技能。
※ 摘要僅根據標題與說明
- 1.2 萬次觀看
※ 摘要僅根據標題與說明
