Medium 网页好读版：https://bit.ly/2VMEIus 这篇是关於我在 2019 二月到八月这段时间自学 Python， 然後在花旗银行拿到资料分析师的纪录。 因为一直都往自己梦想的工作走，所以没有特别意识到转职成功这件事， 现在刚好有点时间，决定来记录一下这段经历。 这篇适合的应该是对 Data Science 有兴趣但还不想花很多钱自学的人 （不管是因为全职自学没收入或是有其他的考量），希望能给这样的人一点方向。 日後可能会打的主题还有 美商大公司和台湾 FinTech 新创的比较及工作心得 决策科学和资料科学的差别 英国求职相关准备心得 分析和产品设计相关的工作心得 预计每个月都可以更新，八月後到英国工作应该又是一个新的开始， 顺利的话会继续记录的。 先简单的自我背景介绍： 我在台湾大学念生物产业传播和心理系，2017 年毕业。 2018 年在美国 Stony Brook University 拿到心理硕士。 研究兴趣是选择与决策、行为经济学和策略分析这个领域。 现在在一间金融科技新创公司做策略分析和规划， 工作主要是决策分析和财务风险建模，最近也开始涉足一点产品设计。 2018 年毕业之後本来想继续念博班， 所以在台湾找了一位做决策心理学很强的大大教授在他底下当研究助理。 大学跟硕士期间主要用的统计软体是 R, SAS 跟 SPSS， 毕业时 Python 已经很潮了，在研究助理期间就自己想办法在让自己多碰一点 Python： 用 Python 设计心理实验，用 Python 做一些简单的分析。 後来不走学术的原因不外乎就是觉得个性不合，学术圈比较稳定， 而做研究是很严谨的事情，我希望能在更有挑战，能发挥更多想像力的地方工作。 因为目标满明确的，所以一开始就锁定资料科学导向的 Python， 主要用的资源是 Data Camp。 前六个月都是用免费帐号…（捂脸 方法简单来说就是创一个微软帐号， 在 benefits 那页可以看到一个帐号可以免费用 Data Camp 两个月， 我就用这个方法创了三个帐号学了半年。 最後一两个月觉得有点对不起 Data Camp （其实是因为有黑五优惠之类的加上工作收入应该是有了） 就买了一年份的会员，一年三千应该会一直付下去吧～ 现在上班偶尔都还会看，很感谢这个网站啊。 这就是我唯一花钱的地方了，心怀感恩斗内的成分比较多… 所以说 0 成本自学转职是完全可以做到的 orz 在 Data Camp 学一些技术（Data Cleaning, Pandas, RandomForest 这一些关键字）， 或是在 Data Scientist with Python 这个 Career 大约完成七成的课， 就可以上 Kaggle 找有兴趣的比赛来练习，边做边学了～ 推荐四个入门的经典比赛，依照我的主观难易度排序如下： Classification：https://www.kaggle.com/c/titanic bj4，就是有名的铁达尼号生存预测。 Regression：https://www.kaggle.com/c/bike-sharing-demand Bike Share 的需求分析。 Regression： https://www.kaggle.com/c/house-prices-advanced-regression-techniques 预测房价，这个资料集资料满杂的，我做到後来累了随便建一个 model 收尾， 排名有点难看囧 Time-series prediction：https://www.kaggle.com/c/rossmann-store-sales/data， 时间序列分析，预测销售量，这题我完成前就拿到 offer 了。 我的时间轴就是二到五月打基础，六到八月做专案练习。 Data Camp 上的课程关键字如下 data cleaning data visualisation supervised learning unsupervised learning 附上我自学时期做笔记的 github，里面有上课讲义还有我废废的笔记… https://github.com/ChingTien/DataCamp-Data-Scientist 五月到七月在 Kaggle 上实作，我的学习方法是 如果是小东西不会就回去补 Data Camp 没想法的时候就去听人直播 coding，避免看到程式码 真的无助再翻高手的 kernel 接着就是八月，开始投履历了～ 第一份工作是从家旁边走路一分钟就到的师范大学， 拿到资工x心理实验室的研究助理工作。 那个实验室很酷，会一直推出新产品，研究氛围很新创，在业界也有很多的专利， 做的是自动批改作文的软体（之类的），很适合走自然语言处理的人， 那时候教授甚至说我做一做可以推荐我去念他们的资工博班。 不过如果拿这个 offer 应该算是待在学术舒适圈了，不算转职。 然候是一些博弈的 offer，头衔是资料科学家和机率工程师，薪水真的满敢开的， 每家都会强调金流在马尼拉不用怕被抓。 再来是一些新创的 offer，有台大教授做的教育游戏公司、广告投放、电商行销等等， 头衔几乎都是资料分析跟商业分析。 最後是美商花旗银行决策管理部门的资料分析师，也是我决定去的 offer， 他的薪水不是最高的，但我想去看看成功的大企业是怎麽做决策的， 所以很开心的接受了，後来也的确没有後悔，有学到我想学的东西！ 顺利拿到脱离学术圈之後的第一份工作，不过这只是开始而已， 工作後的心得会打在下一篇～ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 211.22.90.210 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Salary/M.1583395941.A.014.html ※ maybe0930:转录至看板 DataScience 03/05 16:12