<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Data Science &#8211; 科技島-掌握科技新聞、科技職場最新資訊</title>
	<atom:link href="https://www.technice.com.tw/tag/data-science/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.technice.com.tw</link>
	<description>專注於科技新聞、科技職場、科技知識相關資訊，包含生成式AI、人工智慧、Web 3.0、區塊鏈、科技職缺百科、生物科技、軟體發展、雲端技術等豐富內容，適合熱衷科技及從事科技專業人事第一手資訊的平台。</description>
	<lastBuildDate>Thu, 22 Jan 2026 08:46:12 +0000</lastBuildDate>
	<language>zh-TW</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.4.2</generator>

<image>
	<url>https://www.technice.com.tw/wp-content/uploads/2022/12/cropped-wordpress_512x512-150x150.png</url>
	<title>Data Science &#8211; 科技島-掌握科技新聞、科技職場最新資訊</title>
	<link>https://www.technice.com.tw</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>【學長姊帶路】美光 Data science 實習面試</title>
		<link>https://www.technice.com.tw/campus/mentor/120990/</link>
					<comments>https://www.technice.com.tw/campus/mentor/120990/#respond</comments>
		
		<dc:creator><![CDATA[周星馳]]></dc:creator>
		<pubDate>Thu, 27 Jun 2024 03:54:44 +0000</pubDate>
				<category><![CDATA[學長姊帶路]]></category>
		<category><![CDATA[投書徵稿]]></category>
		<category><![CDATA[Data Science]]></category>
		<category><![CDATA[實習面試]]></category>
		<category><![CDATA[美光]]></category>
		<category><![CDATA[面試問題]]></category>
		<category><![CDATA[面試經驗談]]></category>
		<guid isPermaLink="false">https://www.technice.com.tw/?p=120990</guid>

					<description><![CDATA[<p>跟過去面正職工作和工作後的一些面試比起來，這次面試題目真的滿簡單的，除了LLM那題是沒預料會被問的，其他題目基本上都是data相關的考古題，感覺是因爲找暑期實習有放不少水。 <content><!-- wp:paragraph --></p>
<p>原標《美光科技 Micron 資料科學暑期實習面試心得》</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>文／Monkey </p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:image {"id":120992,"sizeSlug":"large","linkDestination":"none"} --><!-- /wp:image --></p>
<p><!-- wp:paragraph --></p>
<p>看了不少板上過去分享的面試文，受益良多，故我也來分享近期的面試過程，讓其他人有面試的參考依據</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>背景：</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>清大統研所碩一（可直接點我的卡稱看背景）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>流程：</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+0 官網投履歷和填表單（睡前）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+0 收到人資信件，要我填志願序，有四個職缺和我匹配，如果前面沒上可以繼續面下個。(早上起床）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+0 下午收到人資電話，和我約視訊面試日期，按人資的說法是有一個主管和四個面試者，但其他面試者還沒確定。（最後面試是來了4個Data science team，5個人）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+N 面試 (N為正整數，且&gt;兩週）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+N+3 信件通知主管正面評價，人資會再聯繫後續</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>D+N+3+W (W為正整數 &lt; 一週）收到人資電話，確認offer和住宿（接下來就等正式offer letter)</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>Pay: 44k （反正只是暑期實習沒壓力，就沒在意薪資）（這數字官網有寫）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>面試官</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>4個單位+一位人資，其中一個單位來了兩位 4個單位分別為 -&gt; 前段製程（2位）, 後段製程(新加坡主管）, 做戰情室, chatbat...等data team（感覺負責數轉相關的案件）, data engineer （這組給我的感覺是在清洗資料，所以我把它歸在data engineer)</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>面試者背景</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>一個海龜資工（不太確定）, 清大工工, 成大AI 面試問題</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>1. 自我介紹（希望用英文）：我只準備中文，但竟然後希望用英文了，我是用英文臨場發揮</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>2. 美光是幹啥 （主管這時官宣美光，簡單講就是：加入美光，人生發光，記憶體沒做完就賣光光）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>3. 你覺得實習在幹啥？</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>4. 會用哪些視覺化工具 （這題主管想聽的是前端技能，我還真的沒想到！！！）</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>5. 如何選要用什麼模型和要用什麼指標評估模型</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>6. 是否做過LLM fine-tine或相關專案</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>7. 未來想進入什麼產業及你過去面對過的困難</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>8. 過去處理過的資料有多大，如何處理大量資料的問題</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>9. 未來想走資料科學的哪個位置</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>10. Q&amp;A</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>      (a) 一位同學問關於資料科學家是否需要會寫前端</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>      (b) 我問在美光實習，各位主管會如何幫助我們成長</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>面試結束</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>最後會在排自己的對每一組的志願序，也會知道其他人的志願，簡單來講就是搓湯圓，但我猜最後人資應該都有盡可能按大家得排序做安排，像我就是去第一志願。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>心得</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>跟過去面正職工作和工作後的一些面試比起來，這次面試題目真的滿簡單的，除了LLM那題是沒預料會被問的，其他題目基本上都是data相關的考古題，感覺是因爲找暑期實習有放不少水。 這次面試讓我對印象深刻的是面試整體的安排算是我過去面試當中最順暢的，可以感受到人資和主管的在面試上的專業，唯一比較可惜的是Q&amp;A的時間偏少，畢竟面試是雙向的過程，主管在選人，但我也在選主管。總結來說，我給這次面試的體驗很高的評價。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>PS: 官網是說2月才會開始進入面試，但我猜不少公司都會先偷跑。向GG的暑期實習應該也有偷跑，因為人資有來叫我先填資料會先進入面試，但應該是適合我的職缺還沒出來或不Match。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>※本文由 Monkey 授權勿任意轉載，原文<a href="https://www.dcard.tw/f/tech_job/p/254459077" target="_blank" rel="noreferrer noopener">《2024 美光暑期實習 資料科學面試》</a></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:shortcode --></p>
<p>[elementor-template id="118812"]</p>
<p><!-- /wp:shortcode --></content></p>
<p>這篇文章 <a rel="nofollow" href="https://www.technice.com.tw/campus/mentor/120990/">【學長姊帶路】美光 Data science 實習面試</a> 最早出現於 <a rel="nofollow" href="https://www.technice.com.tw">科技島-掌握科技新聞、科技職場最新資訊</a>。</p>
]]></description>
		
					<wfw:commentRss>https://www.technice.com.tw/campus/mentor/120990/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>談到資料科學，你會想到什麼？｜專家論點【維元】</title>
		<link>https://www.technice.com.tw/techmanage/17625/</link>
					<comments>https://www.technice.com.tw/techmanage/17625/#respond</comments>
		
		<dc:creator><![CDATA[維元]]></dc:creator>
		<pubDate>Wed, 07 Sep 2022 02:10:00 +0000</pubDate>
				<category><![CDATA[專家論點]]></category>
		<category><![CDATA[生活]]></category>
		<category><![CDATA[產業]]></category>
		<category><![CDATA[Data Science]]></category>
		<category><![CDATA[科技業]]></category>
		<category><![CDATA[維元]]></category>
		<category><![CDATA[資料科學]]></category>
		<guid isPermaLink="false">https://www.technice.com.tw/?p=17625</guid>

					<description><![CDATA[<p><img width="1200" height="627" src="https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1.jpg" class="attachment-post-thumbnail size-post-thumbnail wp-post-image" alt="FotoJet 3 1" decoding="async" srcset="https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1.jpg 1200w, https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1-300x157.jpg 300w, https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1-1024x535.jpg 1024w, https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1-768x401.jpg 768w" sizes="(max-width: 1200px) 100vw, 1200px" title="談到資料科學，你會想到什麼？｜專家論點【維元】 1"></p>
<p>資料科學曾經被《哈佛商業評論》譽為「21 世紀最性感的工作」，更是許多公司在進入數位轉型中重要的一環。數據的使用已經不在只是某些分析部門的工作，而是每一個數位職能者都應該具備的底層能力。<content><!-- wp:image {"id":17639,"sizeSlug":"large","linkDestination":"none"} --></p>
<figure class="wp-block-image size-large"><img src="https://www.technice.com.tw/wp-content/uploads/2022/09/FotoJet-3-1-1024x535.jpg" alt="" class="wp-image-17639"/><figcaption>圖片來源：freepik</figcaption></figure>
<p><!-- /wp:image --></p>
<p><!-- wp:paragraph --></p>
<p>資料科學曾經被《哈佛商業評論》譽為「21 世紀最性感的工作」，更是許多公司在進入數位轉型中重要的一環。數據的使用已經不在只是某些分析部門的工作，而是每一個數位職能者都應該具備的底層能力。<br />那究竟什麼資料科學呢？根據<a href="https://zh.wikipedia.org/zh-tw/%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6" data-type="URL" data-id="https://zh.wikipedia.org/zh-tw/%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6">維基百科</a>中的定義：「資料科學（Data Science）又稱為數據科學，是一門 利用資料學習知識的學科目標是通過從資料中提取出有價值的部分來生產資料產品。它結合了諸多領域中的理論和技術，包括應用數學、統計、圖型識別、機器學習、資料視覺化、資料倉儲以及高效能計算。 資料科學通過運用各種相關的資料來幫助非專業人士理解問題。」</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p><strong>➤ 簡單來說，資料科學就是一種「從資料中找關係」的科學方法。</strong></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>雖然這句話看起來很簡單的，不過其實背後的水很深。我們來說文解字一下，資料可能是「過去」、「現在」或「未來的資料」，或是從量級分成「大數據」、「小資料」或「厚資料」；另外也有「開放資料」跟「內部資料」的不同來源，更不用說各種不同的資料型態。<br />找關係也有很多種找法，例如「可以解釋的因果關係」、「很常一起出現但不一定有關係的關聯關係」或是「很像又不能太像的預測關係」都是資料科學中不同的方法。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:heading --></p>
<h2>現代資料科學 = 大數據 + 機器學習</h2>
<p><!-- /wp:heading --></p>
<p><!-- wp:paragraph --></p>
<p>社群網路與物聯網的興起大副提升了資料增長的量級，這些由更大量的資料所組成的資料集被稱為大數據（Big Data）。這樣的資料量級通常是傳統單一的計算機限制中難以處理程度，可能需要搭配分散式的硬體架構才能運作。而隨著硬體技術的進步與與資料分析的技術逐漸成熟（例如機器學習、資料探勘等等），大數據分析已經成為了資料科學的主流技術。比起以往的統計分析，現在能夠享有更大更完整資料所來的資訊，更多是過去不容易挖掘的。大數據扮演一個資料科學技術上的承先啟後，開啟了現代資料科學的全新時代。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:image {"align":"center","width":400,"height":400,"sizeSlug":"large"} --></p>
<figure class="wp-block-image aligncenter size-large is-resized"><img src="https://scontent.ftpe7-2.fna.fbcdn.net/v/t39.30808-6/271835435_292545506239367_6463401819114109230_n.jpg?_nc_cat=104&amp;ccb=1-7&amp;_nc_sid=a26aad&amp;_nc_ohc=cVTfeneHcagAX_krCak&amp;_nc_ht=scontent.ftpe7-2.fna&amp;oh=00_AT-59HRjkEUfS32FcTggcbXbK2rSMR8yPb6-EM7RBbVkoA&amp;oe=631BE436" alt="" width="400" height="400"/><figcaption>大數據的資料特性</figcaption></figure>
<p><!-- /wp:image --></p>
<p><!-- wp:paragraph --></p>
<p>一般而言習慣用「V」來描述大數據的資料特性，最常見的是用 種類（Variety）、速度（Velocity）、量級（Volume） 3 個 V 來描述（最多有看到 8 個 V 的定義）。<br />從資料量的角度來看，通常會大到一台電腦無法處理的量需要利用分散式運算才有辦法處理，常見的技術例如 Hadoop、Ceph 等等。大數據會盡可能收集可以被分析的資料，當抽樣接近母體的資料量作為目的。不過大數據看似無所不在，但你的大數據等於對方的大數據嗎？實際上大數據是一個相對「模糊」的字，在使用的時候務必要小心。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p><!-- /wp:paragraph --></content></p>
<p>這篇文章 <a rel="nofollow" href="https://www.technice.com.tw/techmanage/17625/">談到資料科學，你會想到什麼？｜專家論點【維元】</a> 最早出現於 <a rel="nofollow" href="https://www.technice.com.tw">科技島-掌握科技新聞、科技職場最新資訊</a>。</p>
]]></description>
		
					<wfw:commentRss>https://www.technice.com.tw/techmanage/17625/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>D時代來臨！數據科學家必備4大特質 出路多選擇</title>
		<link>https://www.technice.com.tw/issues/2531/</link>
					<comments>https://www.technice.com.tw/issues/2531/#respond</comments>
		
		<dc:creator><![CDATA[科技人]]></dc:creator>
		<pubDate>Wed, 22 Jun 2022 04:19:03 +0000</pubDate>
				<category><![CDATA[生科]]></category>
		<category><![CDATA[產業應用]]></category>
		<category><![CDATA[Data Science]]></category>
		<category><![CDATA[大數據]]></category>
		<category><![CDATA[數據]]></category>
		<category><![CDATA[數據科學家]]></category>
		<guid isPermaLink="false">https://www.technice.com.tw/?p=2531</guid>

					<description><![CDATA[<p><img width="790" height="508" src="https://www.technice.com.tw/wp-content/uploads/2022/06/大數據.jpg" class="attachment-post-thumbnail size-post-thumbnail wp-post-image" alt="大數據" decoding="async" srcset="https://www.technice.com.tw/wp-content/uploads/2022/06/大數據.jpg 790w, https://www.technice.com.tw/wp-content/uploads/2022/06/大數據-300x193.jpg 300w, https://www.technice.com.tw/wp-content/uploads/2022/06/大數據-768x494.jpg 768w" sizes="(max-width: 790px) 100vw, 790px" title="D時代來臨！數據科學家必備4大特質 出路多選擇 5"></p>
<p>數字會說話！每日生活都脫離不了數字，從數字累積而成的數據經過有效的統整、分析，更能進一步預測，這就是所謂「數據 &#8230;<content><!-- wp:paragraph --></p>
<p>數字會說話！每日生活都脫離不了數字，從數字累積而成的數據經過有效的統整、分析，更能進一步預測，這就是所謂「數據科學」(Data Science)，透過應用一系列邏輯及分析技巧，協助人類做後續的判斷、解讀及預測，舉凡購買行為、各式商業分析都能應用。數據科學驅動各行業的創新應用，並讓產業進而轉型成「數據加值管理」的產業，在D（Data）時代，能妥善運用數據科學就能掌握先機。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph {"textColor":"luminous-vivid-amber","fontSize":"medium"} --></p>
<p class="has-luminous-vivid-amber-color has-text-color has-medium-font-size"><strong>跨領域融合多項專業</strong></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>所謂「數據科學」並非獨門單一的學科，而是融合數學、統計、電腦科學、機器學習等多個跨領域的專業。運用大量數據彙整、統計推斷、邏輯分析等過程，藉以找到數據背後所隱藏的事實及模式，讓人能有效判斷，進而預測，以利後續的行為決定。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:image {"id":2532,"sizeSlug":"full","linkDestination":"none"} --></p>
<figure class="wp-block-image size-full"><img src="https://www.technice.com.tw/wp-content/uploads/2022/06/大數據.jpg" alt="" class="wp-image-2532" /><figcaption>「數據科學」(Data Science)透過應用一系列邏輯及分析技巧，協助人類做判斷、解讀及預測。圖：取自123RF</figcaption></figure>
<p><!-- /wp:image --></p>
<p><!-- wp:paragraph --></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph {"textColor":"luminous-vivid-amber","fontSize":"medium"} --></p>
<p class="has-luminous-vivid-amber-color has-text-color has-medium-font-size"><strong>各行各業廣泛應用</strong></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>舉凡各行各業如電商、金融保險、製造業、能源業、生技製藥、衞生保健、資通訊，甚至連新創公司創業前的商業評估都需要借用數據科學。例如：電商能運用數據解讀出哪些是熱銷產品而增加進貨；生技製藥能利用醫療數據加速新藥的研發；製造業分析生產數據以提升產能。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph {"textColor":"luminous-vivid-amber","fontSize":"medium"} --></p>
<p class="has-luminous-vivid-amber-color has-text-color has-medium-font-size"><strong>必備基本要件</strong></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>數據應用多元廣泛，大數據人才，尤其是數據科學家成為各產業爭相高薪挖角的人才。成為一名能精準預測，並為企業帶來效益的數據科學家必須具備4大條件。首先，必須熟悉數據科學技能，這當中包括數學、統計學、編碼、計算學、模型建構、數據管理等。其二：須具備該領域有相當的業務知識。例：在生技醫藥從事數據分析，本身也得對產業有一定的了解；其三：具好奇心及洞察力，一名好的數據人才必須「主動」看見問題，而非「被動」解決問題。其四：具出色的溝通能力，才能在跨部門報告中解釋分析結果，並根據結果協助企業做出最佳的行動方案及判斷。結合專業、跨領導知識、洞察力、溝通4大能力，是數據科學家基本的必備條件。</p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph {"textColor":"luminous-vivid-amber","fontSize":"medium"} --></p>
<p class="has-luminous-vivid-amber-color has-text-color has-medium-font-size"><strong>就業市場多元</strong></p>
<p><!-- /wp:paragraph --></p>
<p><!-- wp:paragraph --></p>
<p>數據科學家的就業選擇多，如上述製造、金融、電商、能源等產業之外，針對不同工作內容也有多樣的選項，可走行銷、財務、生產、研發、專案、營運等多方面切入，端看個人專業及喜好來選擇。</p>
<p><!-- /wp:paragraph --></content></p>
<p>這篇文章 <a rel="nofollow" href="https://www.technice.com.tw/issues/2531/">D時代來臨！數據科學家必備4大特質 出路多選擇</a> 最早出現於 <a rel="nofollow" href="https://www.technice.com.tw">科技島-掌握科技新聞、科技職場最新資訊</a>。</p>
]]></description>
		
					<wfw:commentRss>https://www.technice.com.tw/issues/2531/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
