數據工程師

1.數據源擷取與整合(30%) -主導數據獲取策略，透過網路爬蟲(Web Scraping)、API介接或資料庫查詢等方式，自動化整合內外部多源數據。 -建立並維護數據清洗、驗證與特徵工程的流程，確保數據品質，為後續建模奠定穩固基礎。 2.預測模型建構(10%)、驗證(30%)： -針對不同的商業問題，研究、選擇並應用最合適的統計學與機器學習模型 -進行模型參數調校，並透過交叉驗證等方法，客觀評估模型的準確性、穩健性與商業效益。 -量化並解釋模型的預測不確定性，為決策提供風險評估的科學依據。 3.數據視覺化(10%)： -將複雜的數據洞察與模型結果，轉化為清晰易懂的互動式儀表板或視覺化報告。 4.知識文件撰寫(20%)： -建立並維護詳盡的專案技術文件，包含數據字典、模型架構、程式碼註解與實驗記錄。 -將數據科學的思維與方法，透過分享會、報告等形式，在組織內進行知識擴散與轉移，提升數據素養。