✍️【我不是本科生，也可以當資料分析師嗎？】
-
我發現滿多人對於自己不是本科生這件事情會感到迷惘，不論是粉專的私訊詢問、以及我即將要參與一個資料科學領航者活動，也有參加者也會詢問類似的問題，像是：
🧒：「Irene，想詢問若非資工/資管背景，但有在學 python、機器學習、甚至也會用 Kaggle 資料練習，未來能當資料科學家嗎？」
👱‍♂️：「聽到不少人說資料科學工作領域比較缺有經驗的人，若無相關經驗的轉職者很難跟資工、統計等背景的人競爭，請問如果離職努力自學，為了轉職可行嗎？」
-
我必須說：「有何不可？關鍵在於證明自己有無相關實力」
-
雖然我不能保證所有企業都不看本科生的標籤，但我能確定的是，如果我們都能 #理解本科生的優勢在哪裡，並好好補足那些優勢，那我們絕對有機會脫穎而出。
-
這篇僅以 #資料分析師/ #資料科學家 的角色為例，因為我認為相較之下，這兩個職能因為更需要人文社會思考的面相，所以跨領域轉過來的機會較高，非本科生也能帶有屬於自己的特色轉進來，分享給大家 🙌。
-
#職涯建議 #職涯規劃 #職涯探索 #面試經驗 #面試 #職涯分享 #面試技巧 #資料科學

【精華短片】深度學習實務-產業AI化與競賽經驗談

有5年矽谷新創經歷，現任開源製造執行長的黃名仕老師與大家分享「深度學習實務-產業AI化與競賽經驗談」，包含Open AI的解決方案、AIGO競賽的經驗、AIGO選題與解題技巧，以及過往曾輔導過的產業實務案例，並在最後的精彩Q&A加碼分享「投入AI相關產業，沒有程式背景透過自學的準備方向」。

#資料科學講座
#深度學習實務產業AI化與競賽經驗談
#AI資料科學家全方位學程

你有看過這種「#地震預測文」，或是加入類似的 FB 社團嗎？

國內有好幾位民間地震預測達人，甚至出現不少擁護者，然而，這些預測文的內容，真的可以相信嗎？

讓我們用科學來一一破解！

_________________

以這篇虛構的貼文內容來看，說中的機率幾乎是百分之百。
​
這是氣象局信手拈來、亂寫一通的地震預測，但因為這篇貼文預測的時間和地點 #範圍超大，加上臺灣的 #地震頻率超高，所以幾乎不會出錯。

以臺灣的地震資料來看：

👉臺灣每天平均約發生 100 次地震

👉每年出現規模 4.0 至 5.0 地震平均是 164 次，也就是約 2 天多就會發生 1 次。

👉規模 5.0 至 6.0 的地震每年平均 21 次，約 2 星期多就可能出現一次

👉規模 6.0 以上的地震每年平均 3 次。
​
看到這裡，有沒有覺得自己也可以成為民間地震預測大師了呢？真的是隨便猜猜都可以中獎唷！

_________________

在學界，一個真正的地震預測必須包含地震三要素：明確的 #時間、 #地點 和 #規模（或震度），預測結果也必須來自學界認可的觀測資料。

如果隨意發表地震預測或是觀測的資訊，除了可能違反 #氣象法，也有違反 #社會秩序之相關法令 之虞！請民眾切勿觸法，更不要隨意傳播相關言論，以免造成社會大眾的不安！
​
目前中央氣象局已經建置強震即時警報（地震預警），當地震發生後，會迅速對位於震央附近以外區域發出預警，為大家爭取數秒到數十秒時間的關鍵避難時間。

比起散播毫無科學根據的預測言論，隨時做好臨震應變準備，事先進行防震防災演練、熟悉避震保命三步驟「趴下、掩護、穩住」，才是保護你我小命的上上之策唷！
​

＊本文轉載自 報地震 - 中央氣象局

延伸閱讀：
為什麼地震預測這麼難？——《震識》
https://pansci.asia/archives/120710
地震預測，是真有其事還是危言聳聽？難道不能寧可信其有嗎？
https://pansci.asia/archives/99350
______________
斗內泛科學、支持好科學！
你的支持，是我們前進的力量，贊助泛科學：https://lihi1.com/mJSba

現在學習知識的渠道越來越多，無論對於零基礎或是有經驗的工程師，想要持續成長應該看書還是看影片來的更有效率呢？

主要會和你分享我過去從新手到資深的過程中，如何持續保持進步及學習的經驗

也許這個經驗可以幫助到你，也歡迎留言和我分享你的看法

相信彼此分享不同的學習見解，能讓對於想要更精進自己程式開發功力的人有很大的幫助

===章節===
00:00 哪一個有效律?
00:36 寫程式如同寫作
05:14 書是最便宜的資源
10:14 折扣碼操作示範

===蝦皮購書折扣碼===
折扣碼：FLAGNIC36
時間：2021-03-29 ~ 2021-06-29

折扣碼：FLAGNIC79
時間：2021-06-30 ~ 2021-09-30

折扣碼： FLAGNIC11
時間：2021-10-01~ 2021-12-31

===前陣子在看的推薦書單===
（零基礎）
- 白話演算法！培養程式設計的邏輯思考
- Python 刷提鍛鍊班

（中高階）
- 設計模式之禪(第2版)
- 無瑕的程式碼－整潔的軟體設計與架構篇
- 單元測試的藝術
- 演算法之美：隱藏在資料結構背後的原理(C++版)
- Kent Beck的實作模式

（Ruby）
- Writing Efficient Ruby Code

（成長思考）
- 圖解．實戰 麥肯錫式的思考框架：讓大腦置入邏輯，就能讓90%的困難都有解！
- 師父：那些我在課堂外學會的本事
- 高勝算決策：如何在面對決定時，降低失誤，每次出手成功率都比對手高?
- 窮查理的普通常識
- 懶人圖解簡報術：把複雜知識變成一看就秒懂的圖解懶人包
- 寫作，是最好的自我投資

喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘

━━━━━━━━━━━━━━━━
🎬 觀看我的生活廢片頻道: https://bit.ly/2Ldfp1B
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
✉️ 合作邀約信箱: niclin0226@gmail.com

#寫程式 #前端 #後端

## 影片觀看說明

由於問題較多，大家的問題也可能是你的問題，建議可以先閱讀下方的「問題總匯」區，找到時間碼 Time code 之後跳轉到自己想聽的部分，會比較有效率哦

本影片 Q&A 留言是抓取
【2020 年度回顧! 成為 Team leader? 業外收入增加? 技術能力成長? (第一次蒐集 Q&A)】https://youtu.be/BGaDN9wxbKE

## 影片中提到的專案

簡單用 React 撰寫的留言爬取篩選功能，可以自己抓去玩
https://github.com/niclin/youtube-comment-filter

## 問題總匯

00:00 開場
01:26 QA-1 - 林天寸

一直很喜歡妳的頻道，不單單是因為工程師，當然也有部分原因是自己也是走工程師這條路的。
前一年2020年開始，其實是我剛轉職工程師的第一年，在滿多地方都遇到不小的問題，在troubleshooting上面也是有許多瓶頸的。
後來除了白天上班，下班看書跟休息，偶然間看到你的影片[工程師如何自我進修]，才開始慢慢用計畫的方式取代橫衝猛幹。
不得不說，規劃時間真的是比起技術性的功力還更有成效。因為它讓你適時的放鬆跟加強，然後在工作上面才更有長進，雖然很幹話，但我2020的下半年是這樣做的。
目前在準備考取網路管理的證照CCNA，計畫是走network這一塊，還有很多要磨練的。希望也能多看你產出跟network的影片，這是私心話啦，哈哈。

02:57 QA-2 - 仔仔

1.學程式會建議從前端或是後端哪個開始學會比較好?
2.一開始投履歷如何判斷一家公司是可以成長的，而不是進去3，5年後還是那個跟剛進去程度相差不遠的自己差不多
3.跟程式相關的產業有很多(像是製造業到博弈)，可以請Nic分析一下各產業的狀況嗎?以及進去各產業前須要具備哪些程式語言或能力?
4.投履歷時看到一些公司列出所需程式語言和工具一大堆，是不是代表你沒完全具備就不要投履歷了，還是可以請Nic給個意見哪些部分還是可以投看看
5.都說工程師又宅又不會說話，為什麼Nic可以交到女朋友?

10:40 QA-3 - ANDREW NG KAR EARN

如果当写编程语言遇到瓶颈，有什么方法可以有效地避免自己陷入钻牛角尖的情况？

11:46 QA-4 - JS Lin

如果NIC現在選擇能馬上精通一項語言會是哪個？會想用來做什麼PJ？

13:13 QA-5 - Rick0

成為 team leader 後無法直接在技術上有更深入的研究和突破，這樣的變化是否值得?
是否會擔心這樣在技術上跟不上其他人，甚至被下屬看輕呢?

14:39 QA-6 - Henry蔡

因為最近是寒假期間，
我開始考慮下學期的修課，
想請教nic大大，
應該在有什麼樣的基礎上，
開始學design patterns？
我目前是碩士生，
大學非資工本科，
學過Python，
也跟過一些網路影片實作過Flask+PostgreSQL，
大學學過資料結構演算法，
但不到得心應手的程度...

16:07 QA-7 - 黃柏瑋

如何同時Handle好好幾件事
我怎麼覺得上班，然後下班假日寫寫side project後就沒啥時間了🤔🤔🤔

17:24 QA-8 - 乾太

我想問一下這年頭轉行斜槓 VTuber 還有沒有搞頭A？

18:10 QA-9 - uuu06222

之前開始關注你有知道你有面試過人的經驗, 想問一下站在面試官的角度...
面試官會不會比較注重作品需要呈現那些東西, 或是有沒有什麼禁忌是不能碰的嗎?

20:07 QA-10 - Joery Lin

想請教您對於對於給你很多成長和照顧的公司，倘若您有一個更好的機會，無論薪水或未知挑戰都大於現在公司。
您將如何做選擇，或許現在公司會給你加薪留下你。

因為自己曾放棄了許多機會

21:37 QA-11 - YangTing Zheng

Q1: 想問通常一個產品開發的週期都多長呢？負責維運和開發的工作內容是否會差很多？
Q2: 想請您簡單介紹一下資工系學生的出路/工作內容？(如PM.SA.DBA.PG.RD.MIS…或是還有其他的？）

24:16 QA-12 - RTB

Hello World

24:18 QA-13 - Barry

目前是公司MIS 很想轉職成後端工程師，但在面試上面都都時常失敗
常常在問技術關卡時就被問倒了，總覺得 要準備的東西非常的龐大
毫無準備的頭緒，總覺得一直寫side project也不是辦法

26:49 QA-14 - 因地制夷

想請教Nic 有在做投資嗎? ex 股票 想聽一些投資心得

27:13 QA-15 - 比歐

想請教 Nic 大，
在之後的工程師生涯中之後有甚麼規劃或想法嗎?
例如:開發產品創業，或是開班授課、轉做顧問之類的。

28:14 QA-16 - yongming jia

请问新手如何学编程，学完去做什么？怎么自己创业？谢谢🙏

29:33 QA-17 - Minghao Chang

是否能請您推薦用來開發的筆電？（正好最近要汰換電腦），想從今年開始養成寫side project的習慣，謝謝。

30:31 QA-18 - Guan Jun Chen

想知道像Nic這麼厲害的工程師，年薪大概落在哪裡

30:46 QA-19 - Sheng Jiang

想請問Nic，如果非資工背景但是對寫程式有熱情，想轉職當軟體工程師，會建議如何起步?

補充：像是什麼樣的人適合自學，什麼樣的人適合去補習，或者補習跟自學的情況各有哪些優劣?

謝謝Nic

## 結尾

31:49 感想

喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘

━━━━━━━━━━━━━━━━
🎬 觀看我的生活廢片頻道: https://bit.ly/2Ldfp1B
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
✉️ 合作邀約信箱: niclin0226@gmail.com

#QA #工程師 #在地上滾的工程師 #前端 #後端 #轉職

很難得機會在台灣捕獲李孟這位旅日的資料科學家，也很高興可以訪問到他！
李孟在日本四年的工作時間當中，歷練過「軟體工程師」、「資料科學家」以及「機器學習工程師」的職務，為什麼會有這一路以來的自覺與自學歷程？我們都一併在這次專訪當中聊到了！同時還加碼聊了「在日本的工作與生活環境」，提供給想去日本生活的朋友參考呦～

👉在這次專訪中，我們暢聊了：
1. 李孟是如何從軟體工程師的身份開始自學「資料科學」？
2. 資料科學家 / 機器學習工程師工作內容上的差異？
3. 李孟比較喜歡當資料科學家、還是機器學習工程師呢？Why？
4. 覺得人們除了積極自學之外，還應該用什麼心態來應對AI帶來的衝擊？
5. 加碼閒聊「在日本的工作環境與生活環境」，提供給想去日本生活的朋友參考呦！

👉李孟釋出他在台大的演講簡報，鉅細靡遺地分享他成為一位資料科學家的歷程，內容相當精彩，製作也很精美耶！https://www.facebook.com/LeeMengTaiwan/posts/10220691442829365
👉李孟的超高含金量部落格，分享各種他在資料科學與機器學習上的應用經驗！https://leemeng.tw/



#他是資料科學家也是機器學習工程師 #自學資料科學與機器學習 #李孟