資料與分析

即時查 AIHOT 的中文 AI 新聞和日報，不靠記憶回答

用 operator、sensor、測試和部署的最佳實務，建構可上線的 Airflow DAG

建立 ARIMA 模型做時間序列預測，含平穩性檢定

把多個預測模型組合起來，提升預測的穩定度

用指數平滑與 Holt-Winters 做簡單穩健的預測

用 Prophet 預測含假日與變化點的商業時間序列

計算網路中心性指標，找出圖中的關鍵節點

用 Louvain 演算法找出網路中連結緊密的社群

解影響力最大化，挑出讓擴散最廣的種子節點

用 LDA 主題模型找出文件集合中的潛在主題

用具名實體辨識抽出文字中的人、組織、地點等

用詞彙和語意方法算文字相似度，做配對與去重

用抽取式與生成式方法做文字摘要

用貝氏平均替評論數不一的項目公平排名

用 Elo 評分從一對一比較結果替對象排名

用 TrueSkill 替團隊與多人對戰的玩家評分

用 Wilson 信賴下界依正面比例排名並修正樣本數

用協同過濾依使用者行為模式做推薦

比對項目特徵和使用者偏好檔案的內容式推薦

結合多種推薦策略的混合式推薦系統設計

把互動矩陣拆成潛在因子的矩陣分解推薦

從短期瀏覽序列預測下一步的 session 推薦

回答資料問題，從快速查詢到正式報告都能做

用 Java 版 Anomaly Detector SDK 做單變量與多變量異常偵測

用 Python SDK 做情緒分析、實體辨識、PII 偵測和醫療 NLP

用 KQL 查詢分析 Azure Data Explorer 的 log、遙測和時間序列

用 edges 優先的方式建 Kusto graph，做模式比對、最短路徑和連通元件

把 KQL/IRQL 查詢結果用 Lift_To_Graph 轉成 Kusto Explorer 的視覺化 graph

用 .NET 管理 Azure Marketplace 上的 Weights & Biases 實驗追蹤 instance

孟加拉語文字處理：Unicode 正規化、連字、斷詞、排序和 LLM prompt 寫法

建置帶圖表、篩選器和表格的獨立互動式 HTML dashboard

清理試算表裡的空白、大小寫、日期和重複資料，先列方案再動手

ClickHouse 的 schema 設計、查詢最佳化與資料匯入模式

從本機 metrics log 追蹤 Claude Code 的 token 用量和花費

用 Python 把資料變成可出版品質的圖表，並挑對圖表類型

用 CSAT、NPS、FCR 和工單文字探勘衡量並改善客服績效

從操作者的問題出發，為 Grafana、SigNoz 建出真正能用的監控板

做世代分析，建立留存矩陣並比較各世代表現

從分析師身上萃取公司資料知識，產生專屬的資料分析 skill

設計儀表板的 KPI 層級、圖表選擇和給不同受眾的版面

用 Great Expectations、dbt test 和 data contract 實作資料品質驗證

用 EXPLAIN 分析、索引和反模式修正來加速慢 SQL 查詢

用視覺化、脈絡和有說服力的結構，把資料變成能推動決策的敘事

找出資料搬移的真正瓶頸、加速 pipeline，並用對帳區塊證明資料正確

用 Python 挑對圖表類型、寫視覺化程式碼，並兼顧設計與無障礙

為 fine-tuning 準備資料集：選格式、套 template、packing、合成資料和 dataset card

用 dbt 做資料轉換：model 分層、命名、測試、文件和 incremental

用 GA4 和轉換漏斗診斷電商業績為什麼下滑

挑選並最佳化向量搜尋用的 embedding 模型，含 chunking 和模型比較

對資料表或檔案做 profiling，找出品質問題並建議該分析的維度和指標

用涵化理論分析長期接觸媒體怎麼塑造受眾的世界觀

用雙重差分法比較處理組和對照組，估計政策的因果效果

用階層線性模型處理巢狀資料，拆解組內組間變異與跨層級效果

用後設分析合併多項研究的效果量，檢查異質性和發表偏誤

用固定效果、隨機效果和動態 GMM 分析追蹤資料並控制未觀察異質性

用 PLS-SEM 處理小樣本和形成性構念，最大化內生構念的解釋變異

用 SEM 結合 CFA 和路徑分析，檢驗潛在構念的因果結構與模型適配度

設計問卷的構念操作化、量表開發、信效度和共同方法變異控制

建立與管理可上 production 的 Grafana dashboard：設計原則、面板、變數和 as-code

用橫縱雙軸分析法深度研究產品、公司或技術的來龍去脈

結合向量相似度和關鍵字搜尋的混合搜尋模式與融合方法

把實驗室儀器輸出檔轉成 Allotrope ASM JSON 或攤平 CSV

把多來源搜尋結果整合成去重、標出處、附信心等級的答案

設計 KPI dashboard，涵蓋指標選擇、視覺化與即時監控

寫出正確有效率的 KQL 查詢，並避開常見語法與記憶體陷阱

用最佳實務超參數設定 LoRA 與 QLoRA 監督式微調

檢視產品指標趨勢，產出計分卡和建議行動

用 Microsoft Learn 官方文件回答 Microsoft 技術的概念、設定與限制問題

把機器學習加進既有非 ML codebase 的端到端導入方法

正式環境 ML 工程流程，從 data contract、訓練、評估到監控與回滾

用 nf-core 對 RNA-seq、WGS、ATAC-seq 資料跑生物資訊 pipeline

用 HR 資料產生人力編制、離職率、多元性和組織健康報告

用 DPO、ORPO、KTO 或 SimPO 以偏好資料對齊微調模型

PyTorch 訓練迴圈、模型架構與資料載入的慣用寫法和反模式

Redis 的快取、分散式鎖、rate limiting、pub/sub 與 key 設計速查

解析結構化文字時 regex 優先、LLM 只補邊界案例的決策框架

把白話描述的週期報表變成可重跑、可排程的報表

依排程交付自訂報表包，附上 business-pulse 脈絡快照

用 PubMed 和 NCBI E-utilities 搜尋生物醫學文獻

查詢 USPTO 官方專利與商標紀錄並留下可重現的研究紀錄

用 gget 快速查基因體資料庫並留下可重現紀錄

系統性文獻回顧：規劃搜尋、篩選、綜合整理和檢查引用

用固定評分標準評估論文和研究計畫的品質

用 scvi-tools 做單細胞資料整合、多模態與 reference mapping

用向量資料庫實作高效率相似度搜尋，涵蓋索引選擇和混合搜尋

用 scverse 最佳實務和 MAD 過濾做單細胞 RNA-seq 品質控制

用中心性和結構洞畫出組織裡誰真正有影響力、資訊卡在哪

研究社群平台討論，讓報告每個論點都連到實際檢視過的來源

用 partitioning、快取、shuffle 優化和記憶體調校加速 Spark 任務

用 EXPLAIN 分析和索引策略優化 SQL 慢查詢

各大資料倉儲方言的 SQL 寫法、效能提示和常用查詢模式

帶生物研究人員檢查已連接的 MCP、盤點 skill 並選起手工作流

A/B 測試的樣本數、檢定方法和提早停止的統計做法

沒有實驗也能估因果效果，用 DID、IV、PSM 等方法找反事實

探索式資料分析，先切訓練測試集再看資料，避免洩漏

教你做假設檢定、選對統計方法，並分清顯著跟有用

描述性統計、趨勢、離群值和假設檢定，以及哪些統計宣稱要小心

設計資料管線，選 ETL 或 ELT，每個階段都做品質檢查

從本機 agent log 產出 token 用量 SVG 卡片並 commit 進 repo

把評過分的 trace 轉成 SFT 範例和 DPO 偏好配對

台灣電商 CVR、ROAS、LTV 等指標的基準區間（內文待補）

替台灣電商埋 GA4 事件，處理含稅與 NT$ 等在地慣例（內文待補）

分享分析前做 QA，檢查方法論、計算、視覺化和偏誤

調整 HNSW 與量化，最佳化向量索引的延遲、召回率和記憶體

用 VideoDB SDK 擷取、索引、搜尋、剪輯影片並對直播做即時警報

用圖文資料微調視覺語言模型，凍結 vision tower 加 LoRA

依你的 SQL 方言，把需求寫成最佳化的查詢