如今，各領域的大型公司都在使用機器學習來做出以資料為本的決策。這說明了機器學習的威力，以及它的多種應用方式。
Stacy 是一家服飾公司的機器學習科學家。她手上有一份待辦清單：有些任務更適合用監督式機器學習，另外一些則更適合用非監督式機器學習。你能幫她整理這些任務嗎？記得，分群屬於非監督式學習！
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
我們會先定義什麼是資料科學。接著介紹資料科學的工作流程，以及如何應用在真實世界的問題上。最後，你會認識資料科學領域中的不同職務。
既然已經理解資料科學的工作流程，現在更深入第一步：資料蒐集與儲存。你會學到可以取用的各種資料來源、資料的樣貌、資料蒐集後如何儲存，以及如何用資料管線自動化整個流程。
資料準備是基礎：資料科學家有 80% 的時間在清理與處理資料，只有 20% 的時間在實際分析。本章會帶你診斷資料中的問題，處理遺漏值與離群值。接著你會學到視覺化，這是同時用來探索資料並傳達發現的關鍵工具。
在最後一章，我們要討論實驗與預測！從實驗開始，我們會介紹 A/B 測試，接著進入時間序列預測，學習如何預測未來事件。最後以機器學習作結，帶你認識監督式學習與分群。
當前練習
