隨著科技進步與社會發展，不同領域學門的分界越來越模糊，跨域思考也逐漸被重視。結合程式語言及領域知識的跨領域學習者，漸成為職場上搶手的明星。例如結合數據蒐集、整理、分析、與解讀的「資料科學」，便是近年極受歡迎的新興跨領域學問，可以將商業知識與人工智慧技術結合，協助企業對商品銷售進行預測。

隨著科技進步與社會發展，不同領域學門的分界越來越模糊，跨域思考也逐漸被重視。結合程式語言及領域知識的跨領域學習者，漸成為職場上搶手的明星。例如結合數據蒐集、整理、分析、與解讀的「資料科學」，便是近年極受歡迎的新興跨領域學問，可以將商業知識與人工智慧技術結合，協助企業對商品銷售進行預測。

但本身不是程式相關領域畢業的人，該如何學習人工智慧技術呢？本篇文章將請台灣人工智慧學校台北總校AI工程師林愛哲，以他從商學院畢業生轉戰工程師的經驗，與大家分享踏入人工智慧的過程。

如何成為幫資料加值的人？

林愛哲大學讀的是經濟，研究所畢業於台灣大學商業研究所，是學校裡少數非理工學院背景的AI工程師，擁有商學院學生擅長與人溝通、組織問題等特質，專長消費者分群、市場滲透率評估、網絡流量分析與資料視覺化，曾於國泰世華、MDF Instruments與trivago等公司擔任產品PM與資料分析師。原本只是覺得大數據極有前景，才想要學習程式語言轉戰工程師，從資料視覺化、資料分析領域開始，越來越深入，漸漸學到資料模型的建立，踏入人工智慧的世界中。現在他的研究多聚焦人工智慧在行銷領域的應用，也時常於全球熱門的資料科學期刊towards data science上發表文章，更有多篇文章被評為特選文。 其實商業管理經常會運用量化數據協助決策，也會需要建立模型進行顧客分析或銷售預測，隨著科技普及，加上新興軟體不斷出現，降低了行銷人員學習資料分析與處理的門檻。林愛哲提到，不少行銷人員會學習利用程式蒐集、處理、分析和呈現資料，例如近來流行的Python就是十分適合行銷人員上手的程式語言，並且可以往資料分析領域前進，懂得分析整理資料，才能再深入學習模型建立。

文科生自學程式的困難與收穫

林愛哲說，自己在研究所時期就有選修R語言的課程，因此對於程式語言有點小概念，畢業之後又花了三個多月學習Python相關知識與技術。雖然坊間或是網路上有許多Python自學的課程與影片，但文科生如果想要學習Python，一開始還是需要有人在旁一起討論與指導。尤其卡關時，光是找解答就會耗掉半天到一天的時間，如果這時候有人在旁邊提點，或是提供學習資源的話，就能減少不必要的時間浪費。他笑說，有時候可能只是一個逗號的問題，就會造成bug，但自己卻不容易發現，這時候如果有熟悉程式的人在一旁協助，就很容易發現錯誤。

以他自身的學習經驗，即使R語言與Python有類似的概念，但語法上還是差距蠻大，且有很多不容易理解，必須是資工背景出身的人才會知道的用語或觀念，例如字串、浮點數、物件等名詞。

林愛哲說，在程式的世界中，邏輯與規則必須被清楚說明，一條條的寫下來，甚至連符號的使用都必須很仔細。不像文科世界中，藏有許多潛規則與模糊地帶，不用清楚說明，這也是他一開始最無法適應的地方。但他認為，學會寫程式，增加了對商業、行為資料的判讀及運用能力，同時也可以培養邏輯思維能力。他笑說，學會寫程式最大的幫助，是擴大了求職範圍，讓他可以在德國找到工程師的職位。

面對未來的產業趨勢，具備產業背景知識，懂得觀察問題、蒐集分析資料，且能解讀分析結果的人才， 才能在數位資料增加、演算工具推陳出新的時代，掌握先機。