iT邦幫忙

2022 iThome 鐵人賽

DAY 1
2
AI & Data

那些在科技公司和 app 背後的資料科學系列 第 1

[Day 1] 前言 - 動心起念和文章主題介紹

  • 分享至 

  • xImage
  •  

本系列文已於 2023 年底出版 🥳🥳🥳

https://ithelp.ithome.com.tw/upload/images/20240728/20152325wP9E68Kscl.jpg

歡迎大家多多支持 🙇🏻‍♀️🙇🏻‍♀️🙇🏻‍♀️
https://www.tenlong.com.tw/products/9786263336681?list_name=r-zh_tw


在人手一機的現代社會,我們的生活已經無法脫離各大科技公司的產品。閒來無事時滑滑 Facebook 和 Instagram,了解最新趨勢、關心朋友近況;趕時間時會用 Uber 叫車、懶得出門時用 Uber Eat 點餐;開車或通勤時間絕對少不了 Spotify 和 Youtube 的陪伴,收聽音樂、Podcast 和觀看影片;在中秋連假時使用 Airbnb 下訂住宿,再和家人一邊觀看最新上線的 Netflix 影集,一邊吃著月餅;用 Pinterest 搜尋漂亮的居家擺飾,並在淘寶購買下單。

生活中的分秒都和這些產品緊密結合,然而,這些科技公司究竟是如何決定要呈現什麼給用戶?如何設計演算法,讓用戶點開時永遠都能夠發現自己想要觀看的內容?甚至,如何知道 app 的頁面要設計成目前的樣子?怎麼知道司機或外送員多久之後能夠來到我們的面前?

大家好,我是 Min,身為一個資料科學家,不免好奇隱藏於每天使用的 app 背後的演算法。在本次鐵人賽中,我會設計不同情境故事,跟著主角 Skylar 一起度過日常生活,並一起探討科技公司是如何設計這些產品。
本次鐵人賽涵蓋的主題如下,我會在每日完稿後再更新連結:

Facebook & Instagram 的內容排序系統和推薦系統

Netflix & Uber 的 A/B testing

  • [Day 7] Netflix(一)- 為什麼我看到的和你的不同?你被 A/B Testing 了嗎?
  • [Day 8] Netflix(二)- 如何判讀 A/B testing 的結果?淺談 False Positive
  • [Day 9] Netflix(三)- 如何判讀 A/B testing 的結果?淺談 False Negative
  • [Day 10] 做一個 A/B testing 要如何部署各種版本的 app?以 Uber 為例

Spotify 的推薦系統

  • [Day 11] Spotify 怎麼知道「每週新發現」中要推薦什麼歌給你?(上)

  • [Day 11] Spotify 怎麼知道「每週新發現」中要推薦什麼歌給你?(下)

  • Walmart、淘寶 和 Airbnb 的 Knowledge Graph

  • Uber 如何預估司機抵達時間

  • Airbnb 如何使用電腦視覺

  • 還有其他科技公司的各式資料科學議題,如果有想看的主題歡迎留言許願

既然要談資料科學和演算法,免不了會談到一些統計觀念。幾經猶豫,最後決定還是花幾天篇幅介紹統計,畢竟這是在理解模型和實驗概念中不可或缺的一環。
另外,除了這個競賽之外,如果想要了解更多統計和機器學習的概念,也歡迎來我的 Medium 逛逛。

謝謝讀到最後的你,如果喜歡這系列,別忘了按下訂閱,才不會錯過最新更新,也可以按讚給我鼓勵唷!
並歡迎到我的 medium 逛逛!

好了,讓我們一同展開這個旅程吧!

travel


下一篇
[Day 2] Facebook 如何排序推薦內容(上)- 使用者調查
系列文
那些在科技公司和 app 背後的資料科學30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言