資料隨處可見
回想一下家用智慧型裝置，您可能會想知道：串流應用程式如何得知該建議些什麼？ 掃地機器人如何得知該清掃哪些地方？ 沒錯，資料扮演著重要角色。 這些裝置需仰賴資料才能有效運作。 收集資料是為了讓您的體驗更加個人化和自動化。
資料是在收集、儲存後用於各種用途的資訊。 資料有多種形式，例如文字、影像和數值。 AI 會利用資料進行學習和推理。 例如，當您在串流應用程式上持續觀看相同內容類型的節目時，這項資料可協助 AI 模型判斷後續該為您推薦哪些內容。
在第一個影片中，您將了解什麼是資料，及其為何是推動 AI 的要素。
資料可讓 AI 學習、調整並做出明智的決策。 然而，這牽涉到的不只是可用資料數量，也與資料品質有關。 AI 模型的有效性直接關係到定型資料的品質。
在下一個影片中，您將了解尋找資料模式的重要性，及其如何提升使用者體驗。
AI 模型會使用資料來識別模式。 此程序的核心是分析資料欄位的演算法，從資料中的模式學習而產生模型。 這些模型後續會用來進行新資料的相關預測或決策。 此程序稱為機器學習。
資料的品質和數量至關重要。 高品質的資料可確保 AI 模型能夠正確學習並做出可靠的預測。 品質不佳的資料可能會導致不正確的結果。 因此，資料前置處理 (包括清除和組織資料)，是機器學習程序中的重要步驟。