M02 資料素養與資料流程

M02.01

資料的本質：什麼是資料，為什麼 AI 離不開它

沒有資料的 AI 就像沒有食材的廚師 — 再厲害也煮不出菜

資料定義 資料驅動 AI基礎

M02.02

資料類型全覽：結構化、半結構化、非結構化

Excel 表格、JSON 檔案、一張照片 — AI 看待它們的方式完全不同

結構化資料 半結構化 非結構化 資料類型

M02.03

資料品質：垃圾進垃圾出的真相

AI 模型只能跟資料一樣好 — 餵垃圾進去，吐垃圾出來

資料品質 GIGO 品質維度

M02.04

資料蒐集：從哪裡來、怎麼取得、合法嗎

資料不是天上掉下來的 — 每一筆都有成本、來源和法律邊界

資料蒐集 資料來源 合法性

M02.05

資料清理與前處理：AI 專案最花時間的步驟

資料科學家 80% 的時間不是在建模型，而是在洗資料

資料清理 前處理 ETL

M02.06

特徵工程：把原始資料變成模型看得懂的語言

原始資料是生肉，特徵工程是料理 — 同樣的食材，手藝不同差很多

特徵工程 特徵選擇 維度災難

M02.07

資料標註：教 AI 什麼是對、什麼是錯

AI 不是自學成才 — 每一個正確答案的背後，都有人類老師在標記

資料標註 監督式學習 標註品質

M02.08

資料隱私與個資保護：GDPR、台灣個資法

蒐集資料很容易，搞砸隱私很簡單 — 罰款和商譽損失才是真正的代價

資料隱私 個資保護 GDPR 個資法

M02.09

資料偏誤：你的資料決定了 AI 的偏見

AI 不會歧視，但它會忠實地學會資料裡的歧視

資料偏誤 公平性 偏誤檢測

M02.10

資料治理：建立企業的資料管理制度

資料是新石油？那你需要一套油田管理制度，不然只會漏油

資料治理 資料管理 資料策略