data analyst – 英文履歷修改.外商模擬面試

時間序列分析（Time Series Analysis）(1)：基本理論

時間序列分析（Time Series Analysis），可以看作是資料分析中的一種特殊資料型態，是新手資料科學家常常接到的任務，也是日常生活中很常碰到的話題。本篇我們介紹幾種時間序列分析的基礎理論，和實踐中需要注意的事項。

資料科學家、分析師，重新進入求職市場時，需要做哪些準備？本篇我們整理一份清單，包含過往的相關文章，針對『資料』相關工作，準備尋求新的職業發展、找下一份工作的夥伴做參考。

本篇我們討論資料分析師*（data analyst）崗位 case interview 的關注重點。以目錄的形式，整理這職位面試中實用的知識點、框架和參考資料，並且提供一些思路的範例給讀者參考。

『動手做』是訓練技術能力最有效的方法，學習程式語言，數據分析，跟網站工程這類的技能，除了在工作中增加經驗值外，也可以自己做一些小計畫練練手。履歷中工作經驗不足時，做 side project 一個常見的、可行的彌補方式。

論你的目標職位是否有「資料」這個字，了解資料分析的基本概念和常見錯誤，都是重要的職場即戰力。本篇我們介紹 overfitting 這類型的資料分析偏誤。了解錯誤的成因，知道如何避免，才能讓『資料』發揮最大的作用。

這個時代，萬事都離不開資料，無論你是不是相關技術職位，都需要了解分析資料和處理數據的基本原理。尤其經理人，更應該學習如何正確看待數據，才能做出正確的決策。Underfitting 和 overfitting 是在建立模型時，因為考屢因素過少或是過多產生的兩種的兩種偏誤。

Paradox 翻譯為『悖論』，指的是『似非而是』：也就是那些看起來很奇怪，但是仔細想想道理是正確的現象。辛普森悖論指的是『整體趨勢與個別趨勢不同』的現象。本篇我們從辛普森悖論出發，探討這種現象成因，以及資料分析中常見的謬誤。

這幾年，data driven 可已算是個熱門關鍵字，萬物皆可 data driven，好像誰會就落伍了一樣。但是具體而言到底麼樣叫 data driven 呢？是不是只要在整個計畫中，拉上幾個資料科學家、分析師來背書就好？

就算沒有相關的學歷背景，也可以轉換跑道到軟體工程師、資料分析、資料科學家。這些工作因為有客觀技術要求，本身很『熱門』（職缺較多），而且也沒有太硬性的證照和法規要求，加上一些歷史因素，對於轉行者是相對很友善的。