資料科學的流程 · 從問題到結論

歡迎來到 資料科學 → 資料分析實戰。

這條軌道是整個程式實驗室的入門坡道:不需要懂深度學習,只要會一點 Python,就能跟著用真實資料做出有洞見的分析。它銜接 python/matplotlib(畫圖)與 ml/scikit-learn(建模)——把中間「看懂資料」這段補起來。

資料科學的標準流程

問問題 → 取得資料 → 清理 → 探索(EDA)→ 視覺化 → 建模 → 溝通結論。

很多人以為資料科學就是「跑模型」,其實前面的清理與探索才佔了大部分時間(業界常說 80%)。這條軌道就照這個流程一課一課走。

這堂課你會學到

• 建立資料科學完整流程的心智模型
• 用一行載入經典真實資料集 Titanic(891 位乘客 × 15 欄)
• 用 df.info() 看結構與缺值、df.describe() 看數值分布
• 算出基準線(整體生還率 ~38%)——後面所有「某群人特別高/低」都要跟它比

我們的問題

整條軌道圍繞一個問題:什麼樣的乘客比較容易生還?能不能預測? 從這個問題出發,你會親手把原始名單一路變成可交付的結論。

👉 這條軌道很親民,只要會基本 Python。建議搭配 python/matplotlib(視覺化)與之後的 ml/scikit-learn(建模)一起服用。notebook 在 Colab 一鍵跑,免 GPU。