1

通常監督式的學習(supervised learning)需要有大量的數據當作模型訓練與驗證的基礎，因此數據分析師可以根據初步的分析結果給予一些insight或對已知的資料結果進行標註(tagging)，並提供這些數據給AI工程師進行模型的訓練與驗證。

是的，產品經理會有各自擅長的領域，例如醫療器材類的產品經理、通訊材料類的產品經理、感測零組件類的產品經理等等。

不同公司的職務與工作分配可能會有些不同，有些公司的產品經理會身兼PM的角色。一般而言，產品經理主要工作在了解市場，進行市場分析 (例如market size、市場機會等)，確定產品導入的後的target user、buyer是哪些族群，並且分析產品市場競爭性與接受性等。PM則在了解顧客需求後，進行產品開發的時程規劃與開發資源的協調與管控，並確認每個規劃時程的milestone是否有確實達成並符合該有的KPI。

資料中心(Data Center)主要是進行大數據儲存、整合、分析與應用，不一定會叫做資料中心，每個公司使用的名稱可能會不同。有的會叫做巨資中心、有的會叫做大數據中心、數據中心、雲端中心、雲端資料加值中心…等。這種部門最常出現在政府單位、財團法人(資策會、工研院、國衛院…)、醫療機構(教學醫院或醫學中心)、雲端平台服務商(例如中華電信)…等。

有時需要重新轉換數值的型態、或是針對數值(Raw Data)進行加工處理或預處理，再進行模型的訓練。例如可針對數值的一些雜訊先進行特定的過濾與清除，再進行訓練，甚至需要採取不同演算法進行或搭配多種的演算法結合來進行模型的訓練以提升準確度。但在調整準確度時，一方面雖然要讓準確度能夠提升，但另一方面也要注意不可造成over fitting。