Search
創業小聚 Meet Startup X台灣資料科學社群，特別場【新創裡的資料科學家】
🔥 一探高速成長的新創公司資料科學及ML團隊樣貌
🔥 他們如何打造新數位產品、如何應用資料成為新創成長動能？
🔥 瞭解新創公司正在找尋的資料科學人才
邀請來自 AWS、KKday、Dcard、Tresl 的講師，從CTO、AI Product Design Lead、Data Scientist 及創業家的角度，帶來多樣觀點、經驗分享、趨勢觀察！
今早09:30開播 ! 創業小聚 Meet Startup X台灣資料科學社群，特別場【新創裡的資料科學家】
🔥 一探高速成長的新創公司資料科學及ML團隊樣貌
🔥 他們如何打造新數位產品、如何應用資料成為新創成長動能？
🔥 瞭解新創公司正在找尋的資料科學人才
邀請來自 AWS、KKday、Dcard、Tresl 的講師，從CTO、AI Product Design Lead、Data Scientist 及創業家的角度，帶來多樣觀點、經驗分享、趨勢觀察！
#學習寫程式 #誰可以成為軟體工程師 #小吃貨轉職日記 #個人心歷路程
不知道是否還有人記得，很久以前我問了大家一個問題是，覺得什麼樣的人可以成為軟體工程師。
其實一直以來，我覺得只要會英文的人就可以學會寫程式，就可以成為軟體工程師。
為什麼會這麼覺得呢？
首先，就像是，你覺得誰學會使用電腦是一樣的道理。如果你在三十年前問大家這個問題，可能很多人會覺得，只有念相關科系的人可以學得會。
在我們還在DOS的時代，還在打指令的時代，那時只要會打字，就可以成為文書處理專業。沒錯，那個年代，文書處理是一個科系。
但現在，有誰會去大學念一個科系，只有學打字使用Microsoft Office系列。
當然，軟體工程師也並不是一個容易的職業，就像我之前提過的，這個職業也有很多利與弊，不是像外面形容的那樣，好像坐在電腦前面打打字就可以做的，或者像其他工作那樣，可能學了一技之長可以用很久，這個行業的一技之長，可能很快就過保鮮期了。
回到學習寫程式這件事情，在台灣聽很多人都說，「啊！寫程式就是要有天份啦！」「聰明的人啊！」也看過很多網路上的人在吵，資工vs 資管 vs 非本科系什麼之類的。
最近有朋友問我說，為什麼在台灣的時候學不會，可是來英國以後我就學會了，是因為來英國以後特別努力嗎？
其實你到現在問我學會了嗎？我也不會跟你說我什麼都會。但的確光是coding這點，我覺得在台灣學習跟來英國學習最大的差異還是在，學習的動力上面。
在台灣的時候，其實有點為了學而學，從來沒有思考過自己是否真的有興趣，有時候以為自己其實也滿有興趣的，因為那些東西以前沒有碰過，可是只要碰到一點瓶頸 ，就會開始退縮，覺得好煩喔！這些東西怎麼這麼難，只要上課聽不懂老師在說什麼，就會很不想繼續學。
在台灣除了去資工系修課以外，也有去台大資訊系統訓練班上過課，也有上過一些線上的課程。
幾乎都是同樣的感覺，甚至覺得，自己是不是年紀大了，感覺什麼都學不會，聽不懂，自己好像很笨。
來了英國以後，上課的第一天，老師說，我會用英語授課，而且不會為你們放慢速度，因為你們必須要去習慣。當時覺得自己更不可能聽懂，也不可能學會。
可是我們上課的狀況通常是，一天上課兩個小時，上完以後有兩個小時的實驗課，大家坐在電腦前，老師一個一個看你做的東西，從很小的東西開始學。
我覺得這個應該算是滿關鍵的，就是有沒有動手實作。然後不會的話老師也很耐心的教，此外老師還有另外的課後時間，只要我們有問題都可以去找他。
在實驗課的時候，中間只要卡住，老師也會盡量讓我們自己去思考，而不會直接告訴我們答案，例如會問我們，為什麼你想這麼做，這麼做的原因是什麼。
我記得很久以前在台灣的大學，問了老師一個問題，老師的答案是，你以後就會知道了。當下其實就讓人覺得有點反感，而且後續問老師很多問題，老師也是都這樣，這個以後就會學到了。
我自己算是一個滿會因為老師而喜歡一個科目或不喜歡一個科目的人。就像我小時候很討厭數學課，也是因為不喜歡數學老師。也不是真的不喜歡，就是有一種覺得，反正老師也不在乎我學不學的會，只在意那些學得好的人。
在台灣也聽過很多人說，啊要學會寫程式，數學就要先打好基礎，數學不好怎麼寫程式。可是真的成為工程師以後，在工作上根本沒用到什麼基礎數學啊！
其實在英國也遇過很多數學系畢業的，可是害怕寫程式的人也很多，他們這邊通常學校會有一兩堂課是寫程式，可能學個Python, 像我之前念書的學校，學不好的很多，一些很厲害的大學的數學系，也有人就乾脆放棄那門課，不學，因為覺得很複雜，他們寧願把時間拿去研究純數。
不過現在的電腦，都會幫你做好各種基本數學運算了，大部分現在的程式語言，你要跑什麼線性回歸什麼的都幫你做好了，也想不到什麼時候會用到三角函數之類的，除非你的工作是什麼data scientist 之類，可能要建立複雜的數學模型，或者quant 那類的，不然就算你要做Machine Learning這類的東西，也有很多已經現有的工具，軟體工程師大部分就是拿來跑一跑。
要是你真的是做機器學習相關的研究，人家也不要你軟體工程師，人家要的是資料科學家背景，人家至少要你有個PhD唸完再來，你要至少會讀paper, 寫paper做研究啊!!
如果是醫學相關的軟體，需要有專業技能，人家也要找醫學背景的來，如果是金融相關的，需要有非常多的金融專業技能，當然也是從金融背景的比較容易。
通常軟體工程師，普通的軟體工程師職缺，就是不太會需要太多納些相關的專業領域，他們也願意你進去了再學，你主要需要的是快速學習、適應環境的能力，還有溝通能力，這樣如果跟其他專業領域的科學家、研究員、分析師溝通之類的，至少你可以不會有太多的障礙。
當然，軟體工程師的工作也可以細分成很多領域，像是遊戲產業的軟體工程師，或者IoT產業的軟體工程師，甚至還有像是軟體架構師、軟體分析師、資料工程師之類的，他們可能需要使用到的技能也不一樣，但也不會沒事就需要叫你算個三角函數之類的.........通常你的背景還是在於你對於寫程式的熟悉程度，你會使用那些工具，你是否是個團隊合作的人，能否跟大家一起寫程式。
總之，回到前面說的，所以到底學習寫程式需要什麼，英文真的是很重要的一環，因為程式語言本來就是英文為主，在來就是網路上的資源，也幾乎都是英文為主。還有你寫程式的環境，也幾乎都是英文，像是你使用的工具，回報給你的錯誤訊息也常常可能是英文的。
來英國以後一直在思考的一點，在台灣討論到會不會寫程式，或者學不學的會，通常英文好的話，也可能在閱讀文件方面比較快，可以快速學到一些東西。
語言也不是全部，如果已經在工作的話，工作環境也很重要，學習環境也很重要，在學校如果遇到一個很好的老師，或者有一起學習的夥伴們，也會比自己一個人獨自專研來的快，不過每個人的學習方法不同，更重要的是找到自己喜歡的學習方法。
反正如果你想學的話，也不用管其他人講什麼，想學就學啊！當初我要學的時候，也很多人覺得我不可能學的會或者不可能成為軟體工程師之類的。
其實也不是因為我原本念歷史系的原因，主要就是，大家覺得，我是一個沒有邏輯，邏輯不好的人。還有覺得我是一個三分鐘熱度的人，以及數學指考考了不到30分。這些我也都寫在部落格裡面了，所以一直以來都有在看我文章的人，大概也都知道了。
當時，我大概聚集了所有身邊當工程師的朋友，都覺得不可能會成為工程師的因素吧！但現在我還是做為一個軟體工程師賺錢就是了。
有時候想做什麼就去做，反而是一件比較容易的事情。尤其是學習這種事情，網路上也有很多資源可以學習也不一定需要花錢。
在學校的時候，除了老師給予我一些自信以外，另外也是在英國認識了一些人，給予了一些鼓勵，有些素未謀面的人，也有些一面之緣的人，可能也是因為他們不認識原本的我，所以都覺得，沒有什麼是我不能找到工作或成為軟體工程師的原因。
現在想想，或許這就是初生之犢不畏虎的概念，當初沒有想太多就跑來英國，然後來了以後才開始覺得必須要努力一點才能找到工作，中間也遇到了很多困境，工作以後也曾經想過要放棄當軟體工程師，想要去當個什麼辦公室助理之類的。
也經歷了很多覺得很困惑的時期，雖然自己現在還是滿困惑的。但我覺得如果你真的想要學習或者轉職，只要做好功課(這點真的滿重要的，至少不要覺得只是看別人好像不錯，就決定要去做，至少要衡量一下利與弊)，就可以去做吧！也不用管別人說你適不適合走這條路怎樣的。
每個人適合走的路也不太一樣，還沒走之前都看不到，就算你看身邊的人都怎樣，自己還是自己。
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
這一部影片我們來談談在日本工作時，公司會提供的補助！這一集我們講了：
①交通補助
②住房補助
③餐費補助
④圖書補助
⑤院生補助
你也在日本工作嗎？歡迎跟我們分享你遇過的特別補助！
-
瓶顆：日本工作第5年的台灣女子。以照片、文字、影像，與各位分享倏忽即逝的四季風光。
-
▶︎訂閱瓶顆頻道 http://goo.gl/f2z7nE
▶︎追蹤瓶顆的IG https://goo.gl/1t4Zhv
▶︎按讚臉書粉絲頁 https://goo.gl/PP4kMU
::::::::::::::::::::::::::::::
▶︎相關影片
怎麼找到日本工作的[上集] 日本職缺哪裡看到的？履歷技巧？職務經歷書是什麼？在日台灣人經驗分享｜行銷業&顧問業
https://youtu.be/EOiC_IBcPnI
怎麼找到日本工作的[下集] 日文面試如何準備？Case Interview？非日本交通費誰出？面試的狀況？在日台灣人經驗分享｜行銷業&顧問業
https://youtu.be/KPWxj3p3O8M
台灣人在日本工作的一天✨Data Scientist是什麼？日本工作很血汗？｜日本工作生活分享
https://youtu.be/3mwfbIMb5Ao
ROOM TOUR｜公開我在東京的家！兩個人合租能住多大呢？
https://youtu.be/Aws-FLAV4RA
我是如何在日本存活的？來日本工作適應不良都如何調適、如何尋求幫助？
https://youtu.be/OakmxhPK0eY
超誇張超傻眼！瓶顆在日本工作遇到最離譜的三件事！服裝儀容、女性權益、薪水～
https://youtu.be/UskO9JuS2Jc
▶︎標籤：日本工作、東京工作、海外工作、在日台灣人、日本生活、東京生活、日本公司、日本職場經驗、日本薪水、日本薪水補助
瞞著喜愛恐龍的安迪，買了DAISO大創的恐龍小積木，6個種類全部收集～突發奇想決定PK拼積木，輸家請贏家吃東西，究竟誰能拔得頭籌、贏得佳餚呢？
-
瓶顆：日本工作第5年的台灣女子。以照片、文字、影像，與各位分享倏忽即逝的四季風光。
-
▶︎訂閱瓶顆頻道 http://goo.gl/f2z7nE
▶︎追蹤瓶顆的IG https://goo.gl/1t4Zhv
▶︎按讚臉書粉絲頁 https://goo.gl/PP4kMU
▶︎網誌文章版本 撰寫中
::::::::::::::::::::::::::::::
▶︎相關影片
台灣人在日本工作的一天✨Data Scientist是什麼？日本工作很血汗？｜日本工作生活分享
https://youtu.be/3mwfbIMb5Ao
ROOM TOUR｜公開我在東京的家！兩個人合租能住多大呢？
https://youtu.be/Aws-FLAV4RA
我是如何在日本存活的？來日本工作適應不良都如何調適、如何尋求幫助？
https://youtu.be/OakmxhPK0eY
超誇張超傻眼！瓶顆在日本工作遇到最離譜的三件事！服裝儀容、女性權益、薪水～
https://youtu.be/UskO9JuS2Jc
日本上班族台灣情侶 在銀座吃飯的日常 找到便宜又大碗的天丼！
https://youtu.be/5zo_Pzzx9qQ
▶︎標籤：DAISO、日本大創、日本DAISO、大創積木、大創玩具、日本生活、DAISO玩具、日本百均
今天比較像是站在我的角度，跟大家歸納從學校接觸資料分析開始、踏入社會從junior data scientist 轉換成senior data scientist 再到team lea… See more. ... <看更多>
此網頁為台灣大學「製造數據科學」的課程網頁。 主要為服務台大資訊管理學系與商業資料分析學分學程(NTUBusiness Analytics Program)， 以Python程式實作教學，深入探討 ... ... <看更多>
data scientist台灣 在 [請益] 資料分析data scientist 鋪路- 看板Soft_Job 的推薦與評價
小弟即將退役，未來鎖定的工作內容為資料分析或 data scientist
但最近找工作時遇到一些問題，想請教板上做資料科學的前輩們一些問題
首先介紹一下自己的背景，小弟是112經濟系畢業，後轉112生物相關研究所
雖然領域看起來不相關，但其實一直都是在做資料分析，只是分析的資料不同
常用的統計方法如 linear regression, multivariate statistics, time series 等都會
大學有輔數學系，線性代數、實分析、數理統計、高等統計都修過
對於統計背後的數學理論有一定程度的認識
有碰過一些 machine learning 的東西，像是 SVM、MLP、clustering 等
背後的數學理論懂，也實際操作過，不過僅限於課堂程度
碩論是在分析漁業資料，使用的工具是混沌理論，跟一般的線性統計模型不太一樣
會用 R，一般統計常用的工具可以不用現成的 package 自己寫 function
但對於 R 底層的東西像是 environment 就不是非常了解，整體熟悉度應該算普通
工作經驗是助教，教統計理論及 R 語言，也兼差幫外面的公司分析資料，但並不是很難
而問題是這樣子的
爬文發現要朝 data scientist 走的話，需要一些些資料庫和普通程度的 Python
而找工作時也確實遇到很多公司要求會 SQL 跟 Python，但是這二樣小弟都不會
小弟評估自己的能力，要學 SQL 跟 Python 不是難事，但要花一點時間
另外也考慮到自己的學歷不是統計相關，不確定公司願不願意接受我的分析經驗
所以需要一個學習跳板，以便未來有談判籌碼可以朝向 data scientist 的職位
長遠的未來是到國外工作，成為類似 consultant 的人
目前手上有個 offer 是原實驗室的研究助理
老師是強者，發過幾篇 Nature，為人也很 nice，願意指導學生
工作內容很彈性，主要是分析資料，只要有完成他給的任務，就可以做自己的事情
在這裡一年的時間可以確保發一篇高質量的 paper，也可以自學 SQL 跟 Python
並繼續為外面的公司兼差分析資料，累積經驗
小弟在猶豫要不要用一年的時間，以研究助理當跳板
還是直接出去外面工作練功
爬文知道公司一般不承認研究助理是工作經驗
但這一年卻能完成我很多階段性的任務
另一方面也因看到很多人出去工作都在打雜，無法真的做資料分析，反而浪費了這一年
想請問前輩們，拿一年的時間當研究助理來鋪路，是合理的嗎？
小弟的思考有點陷入死胡同了，需要大家的鞭策，感激不盡！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.128.188.92
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1517026467.A.6A8.html
有考慮直接出國工作，但考量短期內需要一個快速成長的環境，擔心語言會成為阻礙
小弟的英文對話沒問題，但是有些事情會因為語言用詞的不精確而導致溝通不良
目前遇到的都在新竹以北，科技業、電商平台、金融業、旅遊業都有
只是不確定這些 DA 缺是不是真的 DA，有些公司其實是想要 data engineer
謝謝f大，我正是打算研究助理這段期間搞些作品出來
我的老闆願意培養人才，公司未必每間都願意，所以猶豫很久
並不是想得太美好，而是我在這邊二年的經驗告訴我這是可行的
我的老闆很年輕就當上教授，沒有升級壓力，也很願意提攜後進
我們實驗室並不像台灣一些實驗室那樣壓榨學生跟助理
過往畢業的學生往往將自己的碩論發表成論文，自己的作品當然自己是第一作者
只能說台灣的學術環境糟到大家都覺得只有教授能拿第一作者
※ 編輯: foru (140.128.188.92), 01/27/2018 14:29:41
真的，我知道自己打不贏資工的人，所以 Python 跟 SQL 的路傾向適可而止，夠用就好
主要還是在統計領域打滾，且有輔過數學，深一點的數學都能接受
如果最後真的選擇助理的話，這段期間會好好做作品的，感謝！
感謝告知！
這正是我所擔心的！就業環境太不友善了...
並非心中有定見，而是M大所提的缺點在我們實驗室並不會出現，反而多的是自己的時間
怕的是一年的時間太過漫長，不如直接出去，才知道自己的定位以及不足的地方
然而留實驗室拚出國也可以是一條路，但卻漫長且會面臨其他難題
年少不經事
... <看更多>