前幾天有人分享給我大數據分析師的職缺要求: "要會Orcale、SQL、ETL工具Kettle、可視化工具Fine BI等數據庫技能" 看了這些技能都是數據庫相關,對數據是「處理」與「可視化」,而非真正與「分析」有關!! 數據分析一詞爛大街 相比於 AI數據分析 對數據做分析,有數學與統計基礎的方法,現在的「數據分析」一詞幾乎爛大街,讓人無法區分是「數據蒐集」、「數據處理」,還是真正的「數據分析」。甚至數據分析的中文還對應了「data analysis」與「data analytics」,後者被抬高到遠超前者的地位。 🔴真正理解與使用數據分析的人就會知道: data analysis從過去就需要工具的輔助才能幫助數據進行分析。 data analytics 則是由程式中規則運算式是成串按特定順序排列的字元,可廣泛或精確地與Analytics (分析) 資料模式達成比對。 🔴有看到了嗎?🔴 analytics的重點是「排序」、「比對」,它的本質是「比大小」。而analysis的重點是源於數學與統計的模型與分析方法。 🔴為什麼CS會專注在analytics,而不是analysis呢?🔴 當我們完成MathAI全套的研發後,即使我們也是使用電腦運算,但本源的分析法卻不同! CS的AI是基於過去離散數學與演算法持續發展,所以著重於數據庫為根源的解析。但MathAI是基於數學與統計,同樣需要數據庫的數據,但數據的規律轉換成數學模型,成為數據庫的核心才是MathAI追求的。 理由也很簡單。 CS的AI要花很多的算力、要運算快速的設備!!但數學是電腦的核心,電腦運算對數學式是非常貼近的,一旦數據庫內的數據都能轉為數學式,那電腦運算如魚得水,就能降低所需的算力與設備依賴度。當然如果設備能夠更好,數學基礎的AI能夠運算更多更快。 我們很高興能夠分享這樣的觀點與AI核心思維。AI正在如火如荼地發展,但誰說大型語言模型就是唯一通往AI的路呢? 真正貼近電腦運算的是數據的數學式,而數學式的電腦運算還能解決現在AI黑盒子的問題。 數學AI才有可能解決AI黑盒問題 誰說MathAI做不到!!!!!!! MathAI早就被公開了!!! 只是看到的人不相信而已!!! 《統計學不能做為大數據分析的工具-原因與補正》 《Excel calculating the pr...