1. 從互動式的網頁語法(HTML, JavaScript)或儀表板到資訊圖表的應用(Tableau)，將複雜的資料處理流程或演算法推導用最親民的方式呈現。
2. 學習在資料科學業中將前端網頁與後端資料庫做整合，我們會需要像是應用框架(Flask)這類型的技術。

1. Java是理解程式撰寫邏輯的最佳嚴師，也是目前資訊產業中的主流程式語言之一。
2. 由奢入儉難，由儉入奢易，學過Java後再回過頭來看看Python，會有不同的風貌。

1. 除了Windows和Mac以外，其實還有第三種作業系統喔！這也是資料科學業的必備能力。
2. Linux做為系統基底，加上虛擬環境的好工具Docker，是打造Hadoop與Spark 叢集一定要會的馬步功夫。

1. 使用Python來做資料處理與分析，始於程式語言的學習，透過爬蟲技術蒐集資料並清理整併，找出有價值的部分，藉此獲得敘述型統計的結論或做進一步的應用。
2. 數據有著千變萬化的型態、欄位、筆數、缺失、雜質，更重要的是這些數據究竟是應用在哪種產業？哪個場合？做數據分析的目的又是什麼？如果能透過數據挖掘(data mining)的案例分析這些研究方法，是否會讓我們事半功倍？

1. 在越來越重視效益的現代職場，用AI去取代一些簡易或重複性高的工作已成為趨勢，經由資料科學來作為入門AI的敲門磚，是再適合不過的了。
2. 無論是天上飛的無人機、大門的人臉辨識、工廠的機械手臂，所有的AI應用都必須將數據作為模型的輸入才能運作，因此演算法也是這個領域一定會認識的新知識。

1. 作為資訊業的通識科目，資料庫(SQL)是一定要學會的基礎，不論是什麼產業都會用得上。
2. 資料工程師的必備技能，未來在職場上會再銜接到資料流(data flow)、資料管線(data pipeline)、資料倉儲(data warehouse)等觀念。
3. 任何單一的資料庫系統都會有其容量上限，當手上的資料量超過這個上限時，該怎麼辦？

1. 擺脫單機的思維，嘗試用「叢集」的角度去看待「巨量資料」的存放跟處理，有些產業的資料不是只用單一系統就能處理好的。
2. 與雲端技術連接，善用各種平台工具，將龐大的數據掌握在手中，縮放自如。

1. 在資料科學的世界，你可以一個人走得很快，但是你走不遠；要走的遠，還是得依賴團隊，一群人才走得遠。藉由團隊分工合作，用專案管理的方式來模擬資料科學業中的工作內容，以利日後銜接職場。
2. 求職與升遷中，最重要的就是擁有自己的作品，訓期內將學到的技術妥善整理，以備未來不時之需。