校務分析系統的資料整理與視覺化呈現

2019/7~2019/12

• 主要內容

• 整理雜亂的校務資料並透過 Stored Procedure上傳至 MySQL 資料庫，接著依照要求在網頁上繪製出長條圖或折線圖。
• 使用者能自由調整學年度來觀看該年度的報告圖表，也可以上傳新樣本資料到資料庫。

• 使用技術

• 前端：HTML、CSS、Bootstrap、JQuery、Highcharts.js
• 後端：Django 框架，使用 Python從 MySQL 資料庫取得資料，接著利用 Pandas 套件進行資料整理，然後回傳條理性的整理結果給前端。

• 專案成效

瞭解校內歷年科系和社團營運的狀況資訊。

• 難點與克服

當時缺乏運用Python資料清理與使用web前端視覺化圖表套件的經驗，透過資源學習各式方法並嘗試運用，以此來實現教授的要求。

• 經驗收穫

包含資料整理的基本認識，知悉如何有效率地找尋方法來迎合需求，以及陪養從冗長技術文章中快速找重點的習慣。

•  校內競賽

•  校外競賽

• Kaggle 資料集- Water Potability

使用Water Potability資料集建立DNN模型，以此預測水質的適飲性(Potability)。

詳情：LinWilliam0822/KagglePractice_Water_Potability (github.com)

• Kaggle 資料集- House Prices - Advanced Regression Techniques

使用House Prices - Advanced Regression Techniques資料集建立DNN模型，以此預測房屋售價(SalePrice)。

詳情：LinWilliam0822/KagglePractice_House_Prices_Solution (github.com)

• Google BigQuery-  繪製「快篩試劑社區定點診所地理分布圖」

透過 Python 與 BigQuery 繪製「家用快篩試劑社區定點診所的地理分布圖」。

詳情：LinWilliam0822/BigQueryPractice_Clinic_map (github.com)

• github 上的其他練習

詳情：LinWilliam0822 (github.com)

一、  求學過程

• 大學期間

　　透過修習資訊相關的課程，例如：決策支援系統、R語言統計、商業智慧、資訊科學等，發現自己對於資料探勘的相關技術感到興趣。 

• 研究所

　　研究所期間主要鑽研資料整理與分析方法，並且嘗試運用在校內工讀的「校務分析系統」，而工讀的經驗使我對資料分析有進一步的認識。

　　經常利用網路或書籍資源來接觸程式的實務範例，並以此來尋求功能設計問題的解決方法。畢業論文的研究是在健康識能領域上公開的次級資料之分析研究。

二、 人格特質與興趣

• 問題解決

　　程式語法經常遇到難點時，習慣轉換思考並透過網路資源和書籍來理解問題與應對方式。曾經花費大量時間瀏覽網路文章來學習部屬Django，以解決應用Python於網頁製作時所面臨的困難。

•  耐心詢問想法

　　在討論問題時會仔細請問並思考對方的想法和欲實現目的，若對方也不清楚則會試著提出作法及結果，然後詢問這種結果是否合適。在校時曾經有同學拜託我處理前端網頁的排版，但他不知道如何陳述想要的畫面，於是我試著草畫出我思考後的畫面成果，然後詢問他這種成果是否符合他的期望。

三、  職涯規劃

•  1~3年

• 觀察數個資料分析專案，累積技術案例的經驗，並從中自我摸索出想鑽研的領域目標。
• 以某項產業領域為鑽研主題，擬定一份能針對現狀問題的新分析方法，並以分析結果解決問題。

•  3~5年

• 成為特定領域的分析專家，針對數個問題提供分析結果，接著利用分析結果執行解決方案，並從執行後的回饋反思分析技術的框架是否符合需求。