Search
✍️【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
自學就是強！
這款寶典還有中文版可自行取用，別錯過了呀
【孩子在家是無所事事，只看電視？還是可以利用這段時間提升優勢？】
🍎線上自學程式，一面闖關一面學會三種程式語言>>https://cplink.co/xOB0bwli
✨國際探索頻道Discovery Education Coding【兒童程式學習】繁體中文版正式上線！
#集結歐美頂尖教育專家，已有91個國家，5100萬個學員加入
✅大班到小六皆可輕鬆上手
✅可全系列學習【Block coding、HTML、PYTHON】三種課程
✅獲得孩子的第一張國際證照↘️
https://cplink.co/xOB0bwli
#程式學習 #同步歐美國小教材 #coding
自從遠端工作之後，出勤的打卡記錄也轉成線上服務
雖然我也想不透工程師都線上工作了還打什麼卡...不過沒關係，打就打
但也因為在家裡工作反而常常忘記打下班的卡!
每次結算薪水都很痛苦，一整排的異常，是不是像我這種認真工作的人更容易忘記打下班的卡 XD?
既然容易忘記，我們就來寫個自動打卡系統吧!
拯救自己多無趣，當然要拯救所有同事啊!
這支影片特別感謝我的團隊伙伴陪我一起耍北爛，有你們真好。
===本月活動===
7/22 晚間 8 點「後端領航者論壇」直播活動，歡迎來參加
（適合新、中手或想往後端開發的工程師朋友）
名額有限，手刀報名 👉 https://bit.ly/3jERZRH
===影片中提到的專案===
自動化打卡 project 使用 Ruby on Rails 撰寫，架設於 Heroku
repo: https://github.com/niclin/bernard
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
#前端 #後端 #工程師
程式亂寫也可以動，要怎麼寫的好或易於閱讀，就得花上一番功夫去學習寫作技巧。
這支影片會和你分享一些基本的知識點，實戰技巧基本上當代程式語言開發都能使用
不過每個時代會有不同的想法跟觀點，不同的團隊也會有不一樣的慣例，希望這次的內容能夠給你一些不一樣的想法
喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘
章節:
00:00 提升品質的影響
01:29 有意義的命名比簡寫更好
03:01 限制傳入參數數量
05:03 簡化條件表達式
06:37 變數定義範圍限制
08:28 一次只做一件事
10:35 Early return
━━━━━━━━━━━━━━━━
🎬 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
#前端 #後端 #工程師
常有觀眾問我有沒有推薦給程式設計初學者的軟體工程書籍，今天分享3本我自己很喜歡的電腦科學相關的書。但是，我是個非常懶得看書的人啊！！所以這三本書都是夠實用夠有趣，我才有辦法看，才會分享給你們。
這集會聊到...
Overview 💬
💙 準備軟體工程師面試必備書 2:19
Cracking the Coding Interview 提升程式設計師的面試力
🔗 蝦皮 中文: https://shp.ee/y7rbjqk
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013846860?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
🔗 博客來 中文:
https://www.books.com.tw/exep/assp.php/untypedcoding/products/E050035291?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
💙 當畫家遇上演算法 看圖學演算法 4:28
Grokking Algorithms 白話演算法！培養程式設計的邏輯思考
🔗 蝦皮 中文: https://shp.ee/k3jtmvg
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013567471?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
🔗 博客來 中文:
https://www.books.com.tw/exep/assp.php/untypedcoding/products/0010887779?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
💙 置入生活中的演算法 6:20
Algorithms to Live By: The Computer Science of Human Decisions 決斷的演算：預測、分析與好決定的11堂邏輯課
🔗 蝦皮 中文: https://shp.ee/rvvh89e
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013864481?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
📢 📣 📢 本頻道影片內容有輸出成 podcast 📢 📣 📢
可以在各大podcast平台搜尋「Untyped 對啊我是工程師」
請大家多多支持呀！！🙏🏻💁🏻♀️
#書到用時方恨少 #演算法繪本 #ComputerScienceBooks
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷！
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理，在科技圈努力為性別平等奮鬥的工程師。
【Disclaimer 聲明】
Some links are affiliated.
上面有些連結是回饋連結，如果你透過這些連結購買商品，我可以得到一些小獎勵，但不會影響到你購買的價格，甚至會是更低的價格！謝謝你的支持💕
【㊫ 電腦科學/軟體工程 學習資源 📖】
用Scala學習函式程式設計
https://bit.ly/2IF0Thv
Scala 函数式程式設計原理
https://bit.ly/3kBQXTb
平行程式設計
https://bit.ly/3pCeaZf
Android 應用程式開發 專項課程
https://bit.ly/3lGCUwW
普林斯頓大學 電腦科學 演算法 基礎理論
https://bit.ly/3nxomAh
Go 語言學起來
https://bit.ly/35AWhlv
Parallel, Concurrent, and Distributed Programming in Java 專項課程
https://bit.ly/2IGnlH4
Java 軟體工程基礎課程
https://bit.ly/3fa4gJi
全端開發 跨平台手機app 開發 完整課程
https://bit.ly/2UCGWum
從0-1學 Python 3
https://tinyurl.com/python-bootcamp-untyped
從0-1學 JavaScript
https://tinyurl.com/js-complete-untyped
Python 入門 自學 課程第1課內容有00:00 甚麼是 Python 00:52 Python 程式語言可以用來做甚麼01:08 Python 近年熱門程度02:03 為甚麼要學 Python 02:58 ... ... <看更多>
各位好，今天來跟大家分享Python 從入門到進階的自學資源，完整部落格文章：回想自己學習Python 曾經讀過的書、看過的課程，確實有不少是學完沒什麼 ... ... <看更多>
python自學 在 [心得] 自學AI心得- 看板Python - 批踢踢實業坊 的推薦與評價
各位前輩好
小弟自從一年前開始在本版和DataScience版出沒
漸漸從完全0程式語言基礎，到可以訓練model
受到版上許多人的指引和建議
以下整理這一年多來使用覺得適合初學者的自學資源：
（網誌版本包含連結：https://x60606.pixnet.net/blog/post/300451728）
※什麼人適合讀這篇文章?
. 具有高中數學程度的人（其實也只要會矩陣和向量就可以了）
. 完全沒有程式語言基礎的人
. 有心想自學AI的人，並用於工作領域的人
. 恰好有3-6個月的空閒時間，希望多學一種語言的人
※學習時間大約要多久？
心無旁鶩的全心學習的話，大約一個月可以上手python程式語言
再大約3-6個月可以操作AI機器學習。
之後依應用領域不同自行挑選工具學習。
※第一階段
初學Python 程式語言
推薦書單：
《精通 Python：運用簡單的套件進行現代運算》Introducing Python
作者：Bill Lubanovic
從安裝下載python 及其相關套件開始教起
用語詼諧幽默，比喻生動有趣
不要被中文標題嚇到了，其實它只是introduce而已。
使用方式：
將內容範例程式碼逐步打過，養成眼到手到的習慣，兩周左右便可撰寫基礎程式碼。
從第一章開始閱讀，練習到第六章即可。
第一個難關：環境建立
初學者最常遇到的困難就是在自己的電腦上安裝編譯軟體，
由於Mac, Windows, Linux各種作業系統安裝方式不盡相同，
時常會遇到書上沒有教的窘境。
因此初學者我推薦上面這本書。
小撇步:
之後如果覺得安裝各種套件很麻煩，可以直接下載Anaconda，
使用Jupyter notebook 撰寫，自動包含所有常用機器學習套件。
※第二階段：
熟練Python並了解各種演算法之間的時間複雜度、空間複雜度差異。
推薦學習資源:
Leetcode 網站題庫
使用方法:
挑選自己有興趣的題目寫，也可以選擇難度為「簡單」的題目練習。
大約寫5-10題即可，1-2周即可完成本階段。
完成題目之後可以到討論區看其他專業工程師如何解決同樣的問題，如何更簡單明瞭、運
算更快速。
用最短的時間在資工系最硬必修──「資料結構」、「演算法設計」初窺門道。
並藉此複習上一階段沒有熟練的指令碼。
第二個難關：忘記學過的指令碼
所以需要靠刷leetcode練習複習。同一個題目能夠看到別人用不一樣的方法解決，知道自
己的不足。
※第三階段：
機器學習基礎知識
學習資源：
網路課程：林軒田教授、李宏毅教授
林軒田教授的課程比較學術生硬，投影片精美，講解詳盡有邏輯，數學成分較多，非常適
合對原理有興趣的你。(基礎課程請按此) (進階課程請按此)
李宏毅教授的課程風趣幽默，上課步調比較隨興輕鬆，適合喜歡結合生活應用的你。(ML
lecture 請按此)
使用方法：
兩位台大教授都有將課程影片上傳至youtube，可以挑選一位從頭到尾看完。
太過於理論或數學推導的部分可以兩倍速帶過。
安排一天3小時，綜合做筆記時間，大約4-6周左右可以掌握AI機器學習所有名詞的意義，
以及數學上的邏輯、生活中的應用。
第三個難關：對機器學習原理感到迷惘或卻步
別擔心！請記得，機器學習是數學家和資料科學家經年累月發展出來的深奧學門，一般人
不需要了解全部的詳細原理，像是您學習開車但是不需要知道所有的機械結構，只要掌握
與操作有關的重點，並知道重要名詞之間的關聯即可，目標是下一階段的實作！
※第四階段
機器學習程式碼操作
書單推薦：Tensorflow + Keras 深度學習人工智慧實務應用
網路資源：AI 百日馬拉松 (不是免費的，一個人報名費約2000元左右)
我自己有報名第二屆，值得推薦的地方是他會每天給你一點程式碼
也會提供教學講義網站和重要資源的連結
學期間有助教隨時解答
不過我自己覺得，對非科班出生的人而言，原理和教學圖解部分太少
有時候中文語句也不是很通順，還有許多改進空間
因此上面三個階段完成的人來看會比較不吃力
未來應用若有很好的資源會再補充！
歡迎提供更多資源建議，謝謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.177.47 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1565422919.A.548.html
... <看更多>