運用探索性資料分析 (EDA) 和不同類型的大數據分析方法（如描述分析、指示分析及預測分析），從數據中獲取有價值的資訊。

運用 SQL 從數據庫篩選及提取數據，透過 joins, union 組合不同表格進行資料整合。

運用 Python 編程工具 Pandas 清洗數據及整理數據格式。

運用熱門視覺化工具 Power BI 連接數據管道自動導入數據，並透過拖放方式建立 dashboard 進行數據分析及呈現分析結果。

探索大型語言模型 (LLM) 的原理和實際用例，例如 BERT、LLaMA、Hugging Face 和其他生成式人工智能技術。運用 AI 協助數據分析，包括根據客戶特質細分成不同群組並提議營銷方案。

運用 Delta Lake、Data Explorer 等 Databricks SQL 服務，並在 Lakehouse 中使用 SQL 完成數據工作，為 Databricks 數據分析師證書考試做好準備。

運用統計學概念及技術解釋大數據，包括描述統計、機率、抽樣及假設檢定。

學習機器學習演算法和人工智能的基礎數學概念，包括 linear algebra、calculus 和 optimization。

運用進階工具如 Pandas, NumPy, Matplotlib, Seaborn 處理表格, 數組及圖像。

運用熱門機器學習模型如 k-means clustering, XGBoost, logistic regression 進行客戶群分類及情感分析，學習熱門機器學習工具 scikit-learn。

運用統計學模型 ARIMA 及 regression models 進行產品庫存與銷售預測，學習統計學工具 statsmodels。

使用 VectorDB 和 Langchain 等工具建立 AI + 數據應用程式。

透過操練模擬考試及真實考試題目為證書考試做好準備。

運用 BeautifulSoup、Selenium 等程式庫自動收集資料、解析 HTML、處理動態內容並克服常見的網頁抓取挑戰。

掌握 Databricks Lakehouse 平台、Apache Spark SQL 及 Python 來設計及建立 ETL 管道，同時管理權限。

運用雲計算 GCP, AWS, Azure，配合 Flask, API provision, AWS Sagemaker 等工具部署機器學習模型成為網上服務。認識如何透過 Docker, AWS ECS 把程式容器化提高部署彈性。