典型的「非典型」資料科學家
我相信,成為資料科學家沒有典型的路。
我對資料科學的熱情,是從大學開始的。就讀財金系的期間,是「大數據」這個關鍵字剛開始變得熱門,我基於好奇心修習了 C++ 程式設計與演算法等資工課程、並有幸受到多位教授的專題與實習指導,自此,我發現自己樂此不疲地持續深入學習資料科學這個領域。
從大學至今,我投入資料科學超過 8 年,曾在中研院鑽研推薦系統與深度學習、在手機遊戲公司從事 數據營運 與 A/B 測試、目前正在 Google 為團隊建立 商業指標體系。(更多關於我的職涯故事,歡迎參考我的 LinkedIn)
多年來,我最有興趣並持續研究的主題包括推薦系統、因果推論、以及 資料視覺化,也參與 機器學習競賽 精進自己的技術並向其他專家學習。鑽研資料科學的過程中,我認為 自學 是在這個領域成長最關鍵的要素。這也是我為什麼在部落格分享文章,我希望正在努力精進資料科學以及 Python 程式的你,也可以認識這些令我收穫滿滿的知識。
分享知識,讓我的熱情產生無限價值
開始寫部落格的 初衷,除了寫作技能修煉與建立專業個人品牌,更是因為我喜歡分享。我原本就是個超愛 寫筆記 提煉知識的人,將筆記精修、轉化成部落格文章後,陸續有讀者給我回饋,讓我知道這些知識對大家確實產生幫助,我感覺自己的筆記有無限的價值!
除了部落格文章,我也喜歡透過公開演講分享知識。如同部落格文章對我來說是個人筆記的延伸,我也認為公開演講是資料科學家工作的延伸。與刻板印象的科學家不同,資料科學家需要花非常多的心力與人溝通,尤其需要向使用資料的客戶同時傳達數據洞見與分析知識,才能達成共識、創造決策改變。
我發現這些溝通經驗可以轉換成演講形式的知識分享,以發揮更大的價值。因此,我不只在現職的部門內部已經舉行了 10 場以上的資料科學技術交流會,也樂於投入公開活動、到各界分享我的經驗,包括:
- 2022 年 6 月,資料科學工作怎麼找?Google 產品分析師來解惑! @台大資料分析社
- 2022 年 9 月,第二份資料科學工作的求職心得 @TWDS 台灣資料科學社群
- 2022 年 11 月,資料視覺化分析與應用,@陽明交通大學.經營管理研究所
- 2023 年 5 月,我們來吐槽資料科學!常見分析偏誤介紹 @台北醫學大學.大數據科技及管理研究所
- 2023 年 12 月,因果推論:統計學家眼中的平行世界,@ 知識沙龍,台北
- 2024 年 10 月,《因果推論與地理實驗》,@師大。地理學系



讓我十分有成就感!
如果你第一次來本部落格…
首先,也是最重要的,推薦你追蹤筆者好豪的 Facebook 粉絲專頁,我會持續與你分享新知、還有我的資料科學見聞。
本部落格最著重的主題當然就是資料科學。我發現絕大多數人提起資料科學,都熱切地在談論機器學習、ChatGPT、或者大數據等等超夯關鍵字,而在分析戰場上真正需要的統計基石、商業思維等等能力反而容易被忽視,因此,我的部落格會特別著墨這些實務上超重要、但是少有人深入談論的主題,像是:
- 看似基礎、卻常被搞錯的統計基礎觀念:P value 該怎麼算、信賴區間正確解讀方法
- 「相關不代表因果」的解決辦法:善用 A/B 測試、因果推論 分析框架
- 職場生存之道:用 商業指標 與 KPI 績效管理 有效溝通分析師的價值,以及找工作該 如何準備面試、怎麼找實習
程式設計是資料科學家吃飯的工具,我在 Python 與 R 語言跌跌撞撞學會的各種技巧與知識,都將與你分享:
- 我讀過或正在閱讀的 R 語言好書、以及 Python 學習書單
- Python 超好用的內建標準函式庫:pathlib、dataclass
- 我利用線上課程平台自學的心得:在 Udemy 自學 C 語言指標 Pointer 與 Python Flask 後端開發
閱讀書籍是我拓展自己眼界的方式。我認為,只要願意坐下來專心閱讀,就可以不受空間與時間阻礙,獲得作者累積一輩子的經驗,是十分划算且珍貴的!只要一本書有任何一個讓我產生改變的觀點,我就忍不住想寫成筆記、也寫成文章和更多人分享:
- 目標管理:《原子習慣》、《防彈筆記法》
- 自學方法:《雪球速讀法》、《超速學習》
- 創新觀點:《朋友原來是天生的》、《真希望我 20 歲就懂的事》
最後,只要我不是在忙上述事項,我的娛樂時間幾乎都在練吉他,我會在本部落格分享我轉譯的 吉他譜,也歡迎到我的 YouTube 頻道 聽聽我喜歡的音樂。
來聊聊吧!
來自你的回饋,就是我寫部落格分享知識最大的成就感與動力,所以,請找我聊聊!歡迎以下幾種聯絡方式:
- Email 信箱:[email protected]
- 超簡短 Google 表單:請告訴我你還想在此部落格學習什麼主題、或者給我任何意見回饋!
- 傳訊息到 Facebook 粉絲專頁
- 在 LinkedIn 與我聯繫
- 到 Threads 聊聊
- 追蹤我的 Instagram 帳號
我很希望收到你對資料科學議題的提問、想知道你未來期望在這個部落格看到什麼內容、或者任何給本部落格的意見回饋,請不吝讓我知道你的想法!
此外,我也樂於追求新的成長,如果有我的資料科學經驗可以發揮價值的機會,不論是課程合作、知識型產品分享、或者公開演講等等,我非常有興趣挑戰擴大自己影響力、幫助更多對此領域有興趣的人。歡迎透過上述 Email、LinkedIn 或 Facebook 粉絲專頁 與我聯繫,討論合作方式。
繼續閱讀
北極星指標設計:讓商業直覺與機器學習雙劍合璧 — LinkedIn 的資料科學案例
LinkedIn 的 Data + Intuition 數據分析框架提供了定義北極星指標的方法,不只…
Read MoreNaive Bayes 分類模型:簡單卻強大的機器學習基本功 — Udemy 課程心得
儘管深度學習模型光彩奪目,Naive Bayes 依然因為它簡單、高效、好解釋而有其地位。本文將介紹…
Read More