深入淺出的 AI 技術分享，從入門到進階全面覆蓋（第 9 頁）
前言 有鑒於資料領域廣受各路工作者喜愛，未來各大公司一定也會導入更多有關數據應用，資料分析能力將成為基本門檻。本篇整理站長當時在初學時期是如何點資料分析技能樹的，希望對讀者們有幫助。 本文大綱走起： 學習資料分析對你的意義 資料分析基本流程與技能樹 該如何讓自己更加脫穎而出？data 領域的光譜 小插播：站長的資料分析師經歷 先說這個，讓大家放心我不是江湖道士。本人之前在廣告投放新創擔任資料分析師，主要針對客戶網站用戶行為製作客製分析報告，一部分報告內容製作成模組(範本)，我的工作內容涵蓋 資料撈取、資料清理、洞察挖掘及視覺化。後來進到銀行業的資料科學部門實習，現在正在進修寫碩論。 另外我蠻…
打給賀，本篇是 Google Tag Manager 中文導覽的第七篇，我們將介紹 DOM 元素變數 的應用。如果你想要跳脫內建變數，紀錄頁面上的內容、用戶資訊到 Google Analytics 或其他第三方平台，你會需要這篇。 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 本文學習大綱 新增「DOM 元素」變數 調整代碼設定 使用預覽工具檢查變數 確認 Google Analytics 報表資料 教學開始 ——…
打給賀，本篇是 Google Tag Manager 中文導覽的第六篇，我們將介紹 廣告追蹤代碼管理。如果你品牌的廣告佈局遍佈全渠道，如何用一個 Tag Manager，hold 住多個廣告平台的像素代碼。 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 本文學習大綱 利用自訂 HTML 代碼安裝 Facebook Ads 像素 建立 Google Ads 再行銷代碼 建立 Google Ads 轉換追蹤代碼 使用 …
打給賀，本篇是 Google Tag Manager 中文導覽的第五篇，我們將介紹 表單提交 的追蹤。如果你的網站有預約表單、諮詢表單等類似的方式作為轉換依據，一定要學會表單提交追蹤！ 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 本文學習大綱 建立表單提交追蹤代碼 建立表單提交觸發條件 等待代碼 檢查驗證 使用預覽工具檢查代碼觸發 確認 Google Analytics 報表資料 教學開始 —— 表單提交追蹤篇 …
打給賀，本篇是 Google Tag Manager 中文導覽的第四篇，我們將介紹 Youtube 影片觀看的追蹤，這項指標某程度也代表用戶對影片的興趣有多高。 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 點擊事件追蹤請服用第二篇：【Google Tag Manager】中文導覽 (II) – 點擊事件追蹤點擊事件追蹤請服用第三篇：【Google Tag Manager】中文導覽 (III) –頁面滾動深度追…
打給賀，本篇是 Google Tag Manager 中文導覽的第三篇，我們將介紹 頁面滾動深度的追蹤，這項指標某程度也代表用戶對內容的興趣有多高。 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 點擊事件追蹤請服用第二篇：【Google Tag Manager】中文導覽 (II) – 點擊事件追蹤 本文學習大綱 什麼是頁面滾動深度？ 建立頁面滾動追蹤代碼 建立頁面滾動觸發條件 使用預覽工具檢查代碼觸發 確認 Go…
為什麼要學 Google Tag Manager？ 如果你是行銷人： 第一線 Know Your User：設計要「搜集」哪些用戶行為數據 節省溝通成本：基本點擊、表單追蹤設定，無須麻煩工程團隊、浪費等待時間 如果你是專案經理： 產品用戶流失優化：追蹤重要用戶指標、建立增長漏斗 如果你是前端工程師： 更複雜的網站代碼管理：多廣告平台追蹤碼、客製(刁鑽)事件追蹤等 教學開始 —— 基本設定篇 1. 建立帳戶、2. 帳戶取名、3. 容器取名（一個帳戶下可以建立多個容器） 4. 安裝代碼到目標追蹤網站 ＊在「管理」>>「安裝 Google 代碼管理工具」頁籤中也能再找到 GTM 安裝代碼 5. 接…
打給賀，本篇是 Google Tag Manager 中文導覽的第二篇，我們將介紹設定事件追蹤的基本架構（Tag 代碼、Trigger 觸發條件），以及如何設定您的點擊追蹤。 還找不到學 Google Tag Manager 的重要性？還沒安裝好你的 Google Tag Manager 嗎？ 動動手指先看看第一篇 【Google Tag Manager】中文導覽 (I) – 基本設定 教學吧！ 本文學習大綱 認識事件追蹤架構（Tag 代碼＋Trigger 觸發條件） 建立第一個網頁瀏覽追蹤事件 建立按鈕點擊追蹤事件 建立連結點擊追蹤事件 使用預覽工具檢查代碼觸發 電子商務追蹤設定 站內搜…
本文特別感謝架站大神 @龔慕賢 啟發與指導！ 什麼是 SSL？ SSL (Secure Sockets Layer)，安全資料傳輸層。簡單來說，如果網站有申請 SSL 憑證，使用者連線到網站伺服器時：1. 會傳送要求建立安全連線的訊息2. 經過加密比對後，網站伺服器會回傳數位憑證和金鑰，並以非對稱加密方式認證雙方的身份3. 認證成功後，在連線關閉以前，所有資料都會在加密的狀態下傳輸。 那 SSL 和 HTTPS 的關係是？ http 開頭的網址，資料以「明碼」傳輸，也就是壞人很容易竊取我們在網站上所傳輸的資料！ https 開頭的網址，則透過「申請SSL憑證」，讓網站所有資料都經過加密才進行…
第一個參加的跨國大型資料科學競賽，8場小比賽都有全勤參與；但人生很難，top1%更難，過程中往往望大神興嘆。為了振作起來，本文挑選跟電商、行銷 domain 相關的第八賽段，同時也是相對比較沒有被虐的 part，來聊聊解題思路和代碼。 (I) Marketing Analytics: 預測用戶是否開信(EDM) 原題 Kaggle 連結 基本描述 問題類型：二元分類 (0=未開信，1=開信) 資料變數 User-level age mailbox domain attributes EDM-level sent datetime subject line length last open/l…
並非每次我們接觸到的資料，針對每一個預測標的，都有獨立、整理好的特徵值；尤其是在面對時間序列資料時，我們也希望捕捉預測標的，隨時間變化的特徵變化規律。本篇整理時間序列建模時，注意的重點： (I) Scale-transformation 發生情境：屬性之間的值域差異大，例如：有的欄位是 boolean (0, 1)、有的欄位是金額量 (ex: 0 ~ 10^8)。 如果不將多個屬性的數值 scale 到差不多的範圍，Loss 在收斂時會受到那些量級較大的屬性影響，可能無法輕鬆地往下尋找 global minimal；因為量級大的屬性，權重每更新一次所改變的量更大、量級小的屬性對權重的影響被縮…
系統環境確認 Windows Server 2016 GeForce GTX 1070 Ti Python 3.7 Visual Studio 2019 安裝步驟 1. 創建並啟用虛擬環境 2. 安裝正確版本的 tensorflow-gpu 3. 測試 tensorflow 能否成功連結至 GPU
職稱滿天飛，資料分析師、數據分析師、資料科學家、數據工程師、AI工程師、機器學習工程師…，我認為有一個光譜可由淺入深分類一下這些跟「數據」搭上邊的工作（例如 日常工作類型的比例是建立資料架構、清理資料、建模還是視覺呈現報告結果佔多數、會需要產業knowhow的比例多寡等等）。 不過這不是本篇的重點，本篇想針對資料分析入門到精通、到走向資料科學家或數據工程師、AI工程師，過程中的線上教材做歸類。我目前把它簡化成三個階段。另外這樣的網路文章蠻多的，可以google「data analysis tutorial recommendation」肯定能找到更多無窮無盡的乾貨；不論你最後儲存了哪一篇，重…
前言 iBuzz (亞洲指標數位行銷顧問股份有限公司) 是台灣第一間做海外內自動化網路口碑輿情搜集系統，來分享的 CEO 黎榮章 學長 也是政大企家班的校友！ 據網路資料，他們在台灣的網路環境蒐集輿情口碑資料的總頻道來源超過17,289個，涵蓋八大頻道類型(新聞、文章、論壇、部落格、維基與FB粉絲團、Youtube、PTT)；同時也有針對中國大陸的網路口碑資訊蒐集，採80/20原則抓各產業別TOP30的熱門網站，包含七大頻道來源(新聞、文章、論壇、部落格、維基、電商、微博)，共12940個頻道。東南亞部分包含新加坡、馬來西亞、印尼、越南、菲律賓、泰國等城市，來源包含傳統媒體和臉書、IG等社交…
適逢上週五2019數位奇點獎，敝公司獲得【最佳數據科技創新獎】銅獎；當中的案件我們使用到tfidf產生的文本向量做KMeans分群。正好想試試再讓文章簡單好懂一點，本周就單純只介紹這個文本分析很常用到的統計方法：TF-IDF。 一句話解釋TF-IDF——用來從一段文字/一個語料庫中，給越重要的字詞/文檔，越高的加權分數。本篇文章共三段，第一段講述概念與公式，第二段帶一個簡單的script印出一句話的tfidf稀疏矩陣，最後第三段提及TF-IDF的限制和改進。 預計閱讀時間：5–8 mins。 概念解釋 你看，TF – IDF ，前面的TF是Term Frequency的縮寫，後面的IDF是I…
本篇筆記 Python自然語言處理入門的常用方法 Word2Vec，及其延伸：Doc2Vec，表述他們之間的關聯，並以Python實作比較不同方法分辨同樣兩個語句的效果。（介於中間的還有Sent2Vec，概念與Doc2Vec相似） Word2Vec是什麼？ 顧名思義 Word to vector，通過神經網路訓練，將字詞表示成空間中的向量，讓我們可以用向量間的距離，來代表文本語意上的相似程度。這種把字詞向量化的概念即稱為 “embedding”，目的是讓機器理解人類用的詞語，把符號數學化。 那怎麼做到”讓語意相近的字詞向量越靠近”? Word2Vec主要由兩種神經網絡演算法構成： 1. CB…
前言 不論是廣告投放或行銷中的A/B Test，對結果的評斷和優化，都是數據分析的環節之一。避免看到數字就憑著主觀解讀，而是設法找尋具科學證據的解釋，也是數據分析師的基本素養。 本文介紹A/B Testing觀測結果的統計顯著性，期待你除了會使用線上免費工具計算實驗的顯著性之外，也能了解背後統計概念。 A/B Testing做完後對結果的評估，其中一個重要的檢查點：「多少的數值增減才是顯著有效」？ 所謂的「顯著有效」，可以理解成，多大的變動才能確保它不是誤差所造成的。 當我們拿實驗的前後數值比較時，我們比的其實是 實驗前後、某段區間的抽樣估計差異；當我們對一個群體數據做抽樣、用均值表示它的估…
除了新創公司必須要將預算精簡再精簡，一般中大型公司在規畫預算時，很可能依然停留在經驗法則、或固定成本、銷售額百分比等計算方式。 對於有做轉換追蹤的公司，可能很快會發現哪些預算分配方式有效、哪些ROI不如預期；不過開頭都說了「三十多年前」，除了以上方式，有沒有更科學一點、更讓我們靠近最佳化成果的方式呢？
Installation 透過 sudo yam 此時會先check root password 透過 docker $ docker images 開啟 一個container，在那邊啟動MySQL (Data 就會存在 container 底下資料夾) 如果本機端要access 需連到 33060 port 、或是將 container下的資料夾連動到本機端、就可以在本機看到 data 使用 Homebrew 安裝 Permissions – 各項動作（權限）– Query cache：為了讓查詢更有效率、MySQL會記憶以前跑過的Query；但為了檢查有沒有寫錯、跑之前會先清掉 que…
大致來說，我覺得一段經驗中，最值得分享的是兩件事：一個是別人常常以為，但事實上不一定是這樣的；另一個是我們過往以為清楚自己的模樣，卻因為這段經驗發現自己的另一面。 簡介公司及實習期間做的事 Isobar，全名「知世．安索帕」。隸屬電通安吉斯集團(Dentsu Aegis Network)旗下品牌，提供數位行銷的全方位解決方案。我在傳播企劃部和媒體部擔任跨部門實習生。 特別感謝公司先讓我和各部門主管面談後，還給了我選擇跨部門的機會。過程中參與到Uniqlo、黑松沙士的research和提案階段、匯豐銀行的DDC(Data Driven Creative)策略發想、正義聯盟、氣象戰兩部電影的行銷…
tags: Growth MarTech 圖片來源：The Kapost Blog《The Art & Science of Content Marketing (Infographic)》 本文為書摘＋個人研究心得，書摘部分改寫自《GROWTH HACKER 增長黑客：創業公司的用戶收入增長祕笈》，個人研究部分則加上網路新創故事、專家建議，和筆者累積的一點行銷經驗、思考問題的脈絡。是篇不懶人長文，真心想深入了解得花點時間；文末蒐集了實用工具包彩蛋，請耐心服用 本文大綱： 【理性與感性兼具的代表－成長黑客】核心觀念及操作方法整理 (I)－初期獲取用戶｜行銷技術控 I）觀念、實際操作方法與工具…