施乃心

國立彰化師範大學 資管系  2018 - 2022

https://www.kaggle.com/harumaru
maxine01946@gmail.com 0966151592

  大學期間探索了資料科學家 、App 工程師、UI/UX 設計師等職業所需的知識與技能後,於今年初確定要以成為資料科學專家為前進方向並開始為此努力。同時我也保持運動與閱讀的好習慣,不斷精進身心與學習系統。


資料科學自學經歷

  我在決定目標後的半年間,加強了以下資料科學的實戰能力與基礎知識。

實戰能力

1. EliteDataScience, Machine Learning Mastery 網站 • 確立學習策略  

  透過大量瀏覽此兩個網站後,我了解成為資料科學專家最有效率的方式為 ''Top-Down'' Approach : 
先熟悉資料分析流程後,再深入學習背後的數學原理。

2. kaggle courses 16 張證照 • 熟悉基本工具與分析方法 

  我在此證照中實作許多執行資料分析流程的工具 。
如 : Seaborn, Pipelines, XGBoost, Time Series, Deep Learning 等。

3. Machine Learning Mastery With Python 書籍 by Jason Brownlee • 學習關鍵的觀察與判斷 

  透過閱讀、實作書中專案,我學會了在每個分析步驟間觀察與思考的方法。
像是如何透過測試多種模型、觀察表現指標來決定模型的選擇與調整方向。

4. kaggle 練習網站 • 精進實戰能力

  目前我正在透過參與 kaggle 競賽與閱讀實戰相關書籍,精進自己觀察資料、選擇模型與指標的知識與應對能力。

基礎理論

  除了學校與人工智慧相關的選修、微積分統計課程以外,我也自修以下課程。

機器學習理論

 • Data Science Primer 課程 by EliteDataScience 
 • Machine learning 課程 by Andrew Ng, 完成度 50%
 • Machine Learning Crash Course 課程 by Google Developers, 完成度 25%

  我在這些課程中學習到 Linear Regression, Logistic regression, Neural Network 等基礎模型的數學理論,並 MATLAB 使用向量運算實作多參數的平行優化。同時也學到資料分析流程中可能遇到的困難、和模型應用的要點。

微積分與統計學  

 The Essence of calculus 課程 by 3Blue1Brown , Seeing Theory 互動網站課程

  我在這兩堂課程中透過將數字動畫化的方式學習數學後對數學產生許多興趣,並深受啟發為基礎微積分與統計學建立良好的概念。

程式能力

除了學校的程式課程,我也修習以下課程

Intro to  Computer Science 課程 by Udacity 

  透過實作簡易的搜尋引擎、爬蟲、Hash table 等電腦工具,培養了基礎  python  

 Python 技術者們 - 練功!書籍 by Naomi Ceder  

   這本書讓我更了解 python 語言與 pythonic 程式風格 

Data Scientist with Python 課程 by DataCamp

   我在此課程中學習 python 資料科學中如 pandas , scikit-learn 等工具語法後,在 GitHub 上找題目實作練習以熟練這些工具。

其他自學經歷

職業探索

在大學探索職涯索的過程中,我增進了解決問題與溝通的技巧更認識自己。

資料科學家

  透過參與 COSCUP 、蝦皮數據科學競賽、Women in Data Science Taipei Conference 等活動 ,我見識許多資料科學的現實應用

APP 工程師

 在完成 Android App 開發培訓計劃後,我掌握了基本的 App 製作方法,並將所學應用於畢業專題。 

UI / UX 設計

  我透過 產品設計實戰:用 Figma 打造絕佳 UI / UX 這堂課,學習 UI / UX 的概念與 Figma 操作,並將所學應用於帶領組員溝通製作畢業專題。

英文能力

透過大量全方位的練習,我能與母語人士順暢地用基本英文溝通

多益測驗 855 分 2019 • 聽讀能力 

六書堂口說等級 5 2021 • 口說能力