【連結清單】資料科學/工程職涯 by Connor

connor

短講、閒聊、訪談

[👉演講投影片] 從資料科學到資料工程、從台灣到日本的學習歷程 - 2020-12

這是在 Data Science Meetup 台灣資料科學社群 作的分享,約一小時,內容包含資料科學的分工與合作經驗、新創職涯心得,以及台灣/日本的工作差異。

[👉訪談文章] 在求職市場我有價值嗎?如何歸納經驗 - 2020-09

TWiDS 的訪談記錄,裡面包含了一些看完我的文章之後很容易會有的問題,像是通才/專才選擇、該如何避免瞎忙、海外求職、如何了解自己的市場定位,跟探索市場需求等等。

[👉演講投影片 ] AI的應用、數據隱私、與 AI 的是非對錯 - 2018-11, 2019-10

這是兩次到交大科法所演講所用的投影片,對象是法律背景的學生,希望能用較科普的方式介紹 AI 產業的現況,與實際上的應用能做到什麼程度,希望讓法律背景的學生思考如何面對 AI 普及後的倫理議題。

如果你並非理工背景,但卻很好奇 AI 與法律/倫理/道德有什麼衝突與可能性,那麼這個主題你應該會喜歡。


部落格文章

數據中台,與我的資料科學到工程轉捩點

(草稿) 數據中台這個名詞近年很紅,我想藉由它來分享一下自己的工作歷程。

「全棧科學家」模式不適用的可能原因

俗稱的一條龍科學家,它為什麼這麼流行,又有哪些限制?

為何資料工程人才難以培養?

為什麼資料科學有很多線上課程,資料工程卻好像只能在實務經驗中學習?

為什麼資料科學「曾經」比資料工程流行?

是什麼讓資料科學「退燒」?職缺變少就代表這個技術真的沒人需要了嗎?

資料科學角色光譜圖

用光譜圖試著視覺化解釋每個職缺的差異。

資料科學的職稱分類演進

每個人對資料科學的職稱都有自己的一套定義,這邊講一下我看到的經驗是如何分類與演進的。

從資料科學人力配置,看公司的資料工程複雜度

不管是科學家還是工程師,永遠都會覺得工程活做不完,所以有時候從面試問到人力配置就能判斷一些狀況,但配置不只是人數,還有非常多的因素要考量...


2019 轉職記錄