data science – 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。

在『實驗的基本概念』一文中我們介紹了『實驗』的基本要素，本篇我們來盤點在工作中，常見的實驗相關錯誤。很多時候犯這些錯誤（或是無法分辨錯誤）的人並不是資料專業，但是身處的職位還是需要了解如何正確做實驗，才能做出正確決策。

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。

關於設定判斷標準，我們都聽過『勿枉勿縱』這個說法。一般來說我們希望模型給出答案的『正確率』最高，但是有些情況下，『正確率』不是唯一的標準。本篇介紹與『正確率』（以及『錯誤率』）相關的一些術語和概念，無論是平常工作、生活都會碰到，也是資料分析面試常常出現的考題。

科技崗位的面試，最關鍵的就是 tech interview (coding interview)，面對這一關，刷題可以說是必要條件。我們也有文章介紹刷題資源，以及『怎麼刷』的練習技巧。這篇來談談除了刷題之外，有哪些功課，可以幫助我們更順利通過 tech interview。

『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。