數據分析轉職 | 為什麼99%轉職數據分析的人都失敗了? | 大幅提升成功率的轉職方法
ฝัง
- เผยแพร่เมื่อ 7 มิ.ย. 2024
- 這部影片是我過去諮詢彙整的經驗,統整了許多轉職者常犯的基本錯誤
目標是讓無法參與轉職諮詢的人,仍能有一個管道獲得正確的訊息
因個人能力有限,不間斷地提供諮詢服務確實是力有未逮
所以希望大家可以從中獲得自己需要的訊息
如果你看完這部影片,你有問題想問我
不要吝嗇,填寫問卷吧:
forms.gle/V3z3RsL5NbiYyx9U6
如果對轉職數據科學家有興趣
下面是課程的問卷,歡迎填寫
forms.gle/8xjHEErub7tksL836
這是數據轉職系列的第三部影片
如果有興趣可以看其他三部
第一部:一輩子的職位規劃
• 數據分析轉職 | 超過50%的人選錯了轉職職...
第二部:十年的職涯規劃
• 數據分析轉職 | 是否要唸碩士? | 規劃年...
第三部:一年的轉職計畫
• 數據分析轉職 | 為什麼99%轉職數據分析的...
第四部:引導架構的履歷
• 學生、轉職者的履歷撰寫技巧,建立架構引導面試...
■-----------------------------------------------
Chapter
0:00 影片導言
1:06 為什麼想轉職到數據分析的人都失敗了
2:20 失敗的第一步,我要學會數據分析
4:00 用最短的時間,取得面試的操作心法
5:33 天下武功,惟快不破,成功的學習途徑
6:24 Step1:熟悉數據分析在python的應用
8:27 Step2:數據分析的基礎
11:13 Step3:有價值的Side Project
14:45 Step4:別跟數學系的比算法,跟資訊系的比程式,面試的準備方法
16:45 結尾,你可以成功的 !
■-----------------------------------------------
影片中的學習資源:
莫烦Python
基礎操作: • python基础 中文
資料處理:
• Numpy & Pandas Python ...
數據分析:
• Scikit-learn (sklearn)...
DataCamp (需要先登入)
基礎操作:
app.datacamp.com/learn/course...
資料處理:
app.datacamp.com/learn/course...
數據分析:
app.datacamp.com/learn/course...
Scikit-learn官網:
scikit-learn.org/stable/
Kaggle "Datasets and Tutorial Kernels for Beginners":
www.kaggle.com/code/m2skills/...
幾本經典聖經:
An Introduction to Statistical Learning:
www.statlearning.com/
The Elements of Statistical Learning:
hastie.su.domains/ElemStatLearn/
Deep Learning:
www.deeplearningbook.org/
■-----------------------------------------------
片尾音樂:
pixabay.com/music/corporate-c...
封面圖片:unsplash - วิทยาศาสตร์และเทคโนโลยี
最近接觸商管圈子又接觸數據分析,老實說大大的觀點真的很正確。商管的世界和工程很不同,大多數時候硬實力不是決勝負的關鍵,一直執著要打好基礎還是學很扎實真的只是在浪費時間,跟很多管顧相關的人相處後也能感覺到,那些顧問確實厲害,在處理問題上的思維跟手段也不是一般人能比的,但那不是因為他們真的聰明到哪去,而是因為他們有那個環境跟導師讓他們學習,因此如何把自己送進正確的環境真才是最重要的第一步。
感謝回饋~
謝謝Ben的分享! 非常認同影片當中所說: 要轉職數據分析的重點是打造一份履歷 沒有關係的東西不用先學
感謝回饋
謝謝您的指點,不禁感嘆Ben真的腦袋好清晰啊,表達方式也很平易近人!
轉職路上真的很容易遇到一些意外,導致陷入心慌慌。我最近遭遇了兩個朋友的內推職缺,都在拿到Offer的臨門一腳被朋友的公司高層臨時收回職缺不招了…
影片最後的Summary流程超讚,看到自己明確的路真的有比較定心一點。
感謝回饋
太強啦,超級目標導向,又很有策略思維
感謝回饋
Ben,非常感谢这期节目。你解决了我一直以来的犹豫和困惑。大大点赞! 醍醐灌顶! 非常感谢!😊
感謝回饋
身為本科系看這部影片前半段確實有邪魔歪道感,但也不得不讚嘆用有策略的角度去規劃取得一份工作非常聰明,影片本身的節奏掌握也很棒,尤其是結尾的字卡超振奮人心
感謝回饋
這個影片太強了! 甚至可以應用在如果準備一個履歷的思維上🎉🎉獲益良多
感謝回饋~
思路很棒,出社會後找工作、轉職都是很現實的問題,不像是學生一樣可以光靠努力學習來填上差距。
我認同轉職的學習應該是以目標導向為主,讓自己的累積的時間跟經驗可以更靠近自己想要做的工作。
感謝回饋
謝謝ben,目前畢業滿一年,一直有轉職的念頭,這部影片讓我方向更明確了~
感謝回饋
很精闢 很清楚 超級無敵推推
感謝回饋
4個影片都看完了, 對於真的有轉職經驗,而且轉職後薪資大幅提升的過來人
講得真的很貼切,沒有任何多餘的包裝 或空話
感謝回饋~
本身是非相關科系的應屆畢業大學生,最近對於怎麼準備感到非常迷茫、慌張,但看了你的影片之後找到了一個很明確的目標,希望能夠一切順利,也謝謝你的影片~期待之後看到更多精彩實用的內容!
感謝回饋
很有料的內容~啟發很大 謝謝!!
感謝回饋
這篇教的是面試技巧,很實用。
當初我自己研究的跟你講得差不多。
確實,殊途同歸,我也只是換個角度分享出來,讓大家可以有一些啟發
讚啦! 期待更多影片
感謝回饋
講得很好!!給推給推
感謝回饋
內容不僅很好 還給想要轉職的人莫大的幫助和清晰的實踐途徑
非常感謝Ben!
一定會按讚訂閱加分享的!
感謝回饋
適用其他行業的轉職技巧,感謝
感謝回饋
內容實在太棒了! 真心感受到你是從非本科的角度來提供適合且實用的資訊,為我們這種想踏入資料分析、資料科學的人指引了一條明確的路。
敲碗分享更多資料分析的影片🍿️ 祝頻道人數暴漲!
感謝回饋~
真的是非常有料的內容! 感謝你的分析與分享!
我自己也是非資工本科出身,在傳產的路上半途出家開始自學程式的人。曾經覺得這是不可能的事情,但是靠著運氣與不要臉的多多嘗試,總算轉職到目前的資訊業工作。
因為自己走過自學程式的過程,所以對 Ben 提到的 "先學好再去面試" 導致的無助感,真的是非常能夠體會。想想那時候白天工作已經精疲力盡,結果下班後面對數不盡的 "資料科學必備基礎",那種一輩子不可能讀完的絕望感,非常的可怕。
好在後來如同Ben所提到的: "天下武功,唯快不破",我用盡我能達到的最快速度完成莫煩Python與數據處理的課程,只做了一點 tutorial 就開始不要臉的面試,運氣很好的被現在的公司看中我的 [ 專業能力+程式基礎 ],得到了現在的工作。
謝謝Ben的這個影片,讓我對於當初的成功有了概念,同時也知道下一份工作的規劃,我要再度 Focus 在哪個方面,非常期待之後不同的影片分享,謝謝!
感謝回饋 😁😁
您好,我也是傳產且非資工本科,想請教您當初自學程式到轉職開始面試大約花了多少時間呢? 轉職後會覺得很吃力嗎?
@@bickyyang 我自學程式斷斷續續大概1年半左右,轉職後剛進去公司很怕被別人發現實力不夠,但是其實根本沒人在乎。工作上不管你是不是資工,新人進去就是從0開始學習公司的作法,所以不用擔心,臉皮厚一點就對了
@@m7807031 感謝分享!
很棒! 多放一些影片吧!
感謝回饋
非常感謝你的分享!
感謝回饋
非常有用,謝謝!
感謝回饋
謝謝寶貴的經驗分享
感謝回饋
講得很好欸受益良多
謝謝回饋
有种醍醐灌顶的感觉,听完你这个视频。我老公是后端developer,他一直跟我讲你说的这个概念,但是我一直都不是特别认同也不懂。但是听完你的分析之后,我终于明白我老公想表达的意思,也更加有方向感。我想看更多你的影片,发现你只有四个,哈哈哈。
感謝支持,主要影片花時間,之後傾向拍短影片,但可能就不能帶出整體概念,變成碎片的知識。
太感謝了 一直處在盲點
感謝回饋
哇 好棒 真的干货满满 感谢分享 🎉❤
感謝回饋
轉職角度來說 有夠中肯!
感謝回饋
策略正確 ✅ 邏輯清晰 🙆
感謝回饋
雖然沒有要轉職數據分析師 但有在思考要轉職
感謝作者提出了轉職者遇到困境以及轉職的技巧
感謝回饋
說得很好 !
感謝回饋
感謝BEN的影片讓我重燃轉職的希望
感謝回饋
作個筆記,謝謝!(這對面試概念也有幫助)
12:40 有價值的數據分析(個人覺得看自已產業,是否可以提供有用的訊息)
那些顧問確實厲害,在處理問題上的思維跟手段也不是一般人能比的,但那不是因為他們真的聰明到哪去,而是因為他們有那個環境跟導師讓他們學習,因此如何把自己送進正確的環境真才是最重要的第一步。
非本科轉職路上來留言,謝謝 Ben 給予很大程度的方向感!
感謝回饋~
非常有用!!
感謝回饋
哇!大感謝,真是乾貨滿滿耶!
特別是數據集和成功者筆記的部份。
以前自學大數據,最麻煩的就是數據集,就算真的爬蟲到一些可能有用的資料,但都還要標示化什麼的,超麻煩。
成功者筆記感覺也相當有助於摸索學習方向,不然面對知識海洋,真的會很難下手,不知從哪開始。
雖然也不知成功可能性有多少,畢竟真的準備進攻,也謹謹是因為興趣。
如果是為了生活,那還不如在防守上再多下點努力,反正現在也算是還不錯了。
感謝回饋。沒有時間壓力、有興趣,唸個在職學位是不錯的選擇,未來也有操作空間。
感謝分享🎉
感謝回饋
好正確心態🥹 最近才自己很有感意識到這件事!
雖然拖了半年多才真的有要開投履歷 但這中間有去比了幾個專案競賽也有得名
11 月會找到工作的❤
感謝回饋,祝你找工作順利
Super helpful!
Thanks a lot for sharing~~
感謝回饋
卧槽好厉害 点赞收藏加关注了谢谢
感謝回饋
內容不錯,很實在,有寫在履歷上的,有在面試講出來的,面試官才有看到,學再多沒表現出來就沒用。
我也給個建議: 收音有點模糊不清楚,可以研究下怎麼解決。跟面試一樣,內容很好但聽不清楚,可能看的就比較少,就可惜了
感謝建議,收音確實沒有經驗,我再研究研究
Summary:
1. 熟悉Python, 程式語言的基礎
2.擁有數據分析的基礎,用經典的資料及目標領域資料練習。
3. 做有價值的 side project
4.準備面試
感謝回饋
簡潔又直接的影片,感謝Ben的分享!
感謝回饋
很棒的觀點 做法很有效率誒
感謝回饋
轉職軟體工程師 看到這部影片很有幫助
感謝回饋
現在競爭激烈
非本科的人機會太少
尤其是沒有碩士,人資或是主管挑履歷就挑掉了
甚至因為做AI ML論文高產出,一堆沾到邊的科系或是實驗室都來做。
感覺市場漸漸飽和,但這只是2023/Q2目前的景氣現況,後續可能就業市場會好一點。
看用什麼角度看這件事情,資訊科系的人,不走AI也能有好工作,很多就是為了畢業寫論文;轉職者,不嘗試就是繼續領原本行業的薪水。一個是為了文憑,一個是為了生活。
至於難不難,轉職一定是難的,但還是有諮詢者轉職成功。
分析的很有道理。
感謝回饋
非常好的内容,感谢
感謝回饋~
大大您真是太優秀了
感謝回饋
一開始只是在工作上遇到簡單的數據分析(傳產的數位轉型),逐漸開始對數據有興趣,嘗試往這個方向發展。但是我利用下班時間學習時卻感到很茫然,不知道要從哪裡入手,甚至看10分鐘的影片就睡著😢... 感謝作者分享點出盲點,頓時覺得豁然開朗🎉
感謝回饋
感谢分享🙏
感謝回饋
我本身也是Data Scientist,
我認同這些的確是快速的捷徑,而且真的講得不錯,都在刀口上,
但對於"先取得面試的機會就可以拿到工作的機會來打基礎"不太認同
開始上工後,可能會因為基礎不夠,不適應工作而快速被打回原形,
可能會花大把下班的時間來惡補這些知識。
感謝回饋。你提到的惡補正是他們需要做的,也是轉職者應該要承擔的,畢竟事實就是實力不如人。
我也是商管學士轉職Data scientist的例子 蠻建議可以直接參加比賽(or sideproject) 然後用做的事來側面闡述自己的能力
非本科轉職數據也是有優勢的 建議對自己領域相關的數據應用多做研究 不要做太廣
感謝回饋。我也會建議轉職者參加黑客松,不過得先做完side proeject在參加,因為轉職者通常沒有從data看任務的思維,就會錯失很多角度。
功德無量🙏
感謝回饋
突然跳出你的影片, 講的很好~👍🏻 準備轉職中,開始加強machine learning
感謝回饋
thx for sharing and fabulous suggestion
感謝回饋
蠻實際的
感謝回饋
感謝
感謝回饋
谢谢分享,建筑师准备按推荐的方法进行实践转行,感谢。
感謝回饋~
本科金融,大学参加很多活动,没认真学习,毕业后通过自学python(基础)。
后来找到相关的IT教学工作,因为有了3年的工作经验,再通过自学数据分析知识,9个月内成功转职为数据分析师。
纯属分享个人经历,希望大家都能找到自己喜欢的工作 😊
謝謝分享,希望大家都能有更好的職涯
謝謝 給了我方向執行
感謝回饋
你得眼神真魔性
我想請問發布影片
是你做的數據分析project之一嗎XD
發佈影片是整個 Side project 的一環沒錯 XD,只是這個 Projct 比較大型,所以會設法在某些階段與工作規畫結合,讓他不是兩件不同的事情,而是一件大事情
謝謝!
感謝回饋~
正在轉職很慌的人⋯看到你的建言真的知道自己做錯很多事情了⋯不知道那邊可以找您健檢履歷🤔
資訊欄下面有問卷,直接發過來
感謝 我愛你
感謝回饋 😂😂😂
非常期待能够专门出一期关于项目组那么做履历怎么写的视频,我作为一个数据分析 Master刚毕业的学生因为自己没有什么实习/工作经验,真的找了很多人改简历但效果都没有很好,这种情况怎么办呀
影片主要還是針對轉職者。如果已經修改到極致都沒辦法,可能是受景氣影響,就先將目標公司的要求降低,累積工作經驗,等之後跳槽;或是弄一個好一些的side project。
讚
感謝回饋
我第一步對了,正在學習python😊
感謝回饋
Hello Ben
謝謝你的經驗分享,如果我在早兩年看到你的分享,我的轉職或許會比較容易。我很幸運在自學後成功找到一份entry level的數據分析師,然後有機會加入公司的機器學習項目。目前在公司的AI項目負責做模型訓練、分析訓練結果然後制度訓練策略,並且包含數據清理與數據標註。我有很多問題關於在資料科學要走的路,本身過去有理工相關的科學研究經驗,會SQL與Python,但是不是資料科學與電腦科學的本科出身。現在做模型訓練的工作可以接受,請問在這個圈子要走得遠一點需要累積MLE相關的經驗或模型開發的經驗嗎?另外,請問有建議考取什麼證照嗎? 謝謝你的分享 ❤
怎麼走遠一點,要看你的目標是什麼。如果是薪水,那首要可能是怎樣跳到下一個領域、公司。而MLE確實在專業更廣,可以說包了DS。但MLE職位內的各領域也很雜,不同MLE的技能差異也大。但模型開發算是MLE的需要具備的能力。至於證照,可能要看走向哪一種MLE,如果雲端可能需要,但若有實務經驗更好。
感謝分享~想請問一定要照著第一步第二步去試著學習嗎?可以從第二步開始嗎😅有點想先瞭解數據分析
可以,這部影片講的事情是"如何規劃學習",但前面有一個階段是"評估轉職職位"(第二部影片),以及 "目標制訂與產業選擇" (第N部影片)。
所以你應該先知道自己想做數據分析、UI/UX、前後端、遊戲開發或其他職業。而你寫了解數據分析是什麼就是這一步
pandas
matplotlib, seaborn
pytorch/tensorflow
斜線代表不一定要會後面的
感謝回饋。套件不同職位需求可能不同
謝謝Ben明快清晰的分析 收穫良多 已訂閱❤
想請問Ben轉職成功與否會跟年紀有關嗎
我是一位商科背景想轉職到UIUX的36歲路人 感覺這個年紀都快比面試管大了啊😅
UI/UX 的領域我不熟悉,但通常是有影響的,並且 UI/UX 的職缺量較少,要多加考量
@@BenHsu501 謝謝Ben 我有同感 我的觀察是台灣的產業發展不均 想要搶到明星職缺 真的對年紀漸長的人不太友善啊 啊嗚
@@tingtingyang4958 我聽到很多是沒有設計科的背景,HR直接刷掉😢
@@emsw4266謝謝你的分享 其實我也發現以台灣的產業來說 擔任UIUX 並不吃香也無法獲得高薪 也許無法轉職到UIUX 是老天對我的一種祝福吧😂
好影片推推,看到太多想轉職的都來亂的
感謝回饋
谢谢分享!可是Kaggle上面如何找到体量够大的商业数据集做项目?好项目不会挑,能教教么
這算是大哉問,比較難回答。
如果完全沒有方向,建議先google你的目標領域可以做怎樣的題目,這時候可能就會有人整理一些數據集供使用。基本的東西也是有用的。
那針對創業相關建議呢
謝謝
本身沒有做過全面性的創業訪談,但可以填寫問卷說明你的問題,我可以提供我的看法。
老师,感谢分享。你觉得data analysis boot camp怎么样?他们的课程设置都是以找到工作为导向的,就是做capstone projects, 填充履历,学需要的知识和技能,绝不学多余的,一般在半年左右就可以搞定。缺点是,不便宜,而且没有学位,如果跟念一个硕士比较。美国有很多。想听听你的看法。谢谢!
我認為是有用的,因為即使是一般碩士,畢業時仍然需要有project展現在履歷上。當然,碩士更多很多是在寒暑假去實習。
當你做這個選擇(DA boost camp或是自己做專案),如果希望達到與一般碩士相同的職涯水平,那你的project得真是頂尖的。但如果是期望從基礎的公司開始,是沒問題的。有美國的諮詢者就是從基礎BA開始做,就看之後發展
請問可以講一下Java工程師的轉職嗎?
轉職的觀念應該都是差不多的,差異在於要如何做有價值的side project。對於轉職者來說,盡量做可以應用在生活上的、有實際作用的,實際上可以去找線上課程,然後那種線上課程就是帶你做出一個應用,接著你沿著這個應用加強就行了。
請問履歷上的那些project應該要做到什麼程度和表現形式才比較適合放在履歷上呢?
最初一步,就算是練習的也放上去,因為比起你放你做櫃台、餐飲,放練習的也是有幫助的
转了一年多了,还没转成功。从建筑管理行业转 data analyst ,谢谢Ben的影片!
感謝回饋,不過建議填寫資訊欄問卷,說明一下你的現狀,可能能更直面問題。
謝謝大大,雖然不是想轉職數據分析,但其他領域也是殊途同歸,感謝解開盲點
那如果跟這份工作無關的以前經驗,還需要放嗎?如果不放不會對面試官來說有gap year嗎?
我有朋友是中間跑去其他領域5年,這個就非放不可。如果有1、2、3不同工作,2是其他領域半年、一年經驗,可不放,這期間與待業時間差不多。
想請問英文不好的人應該要怎麼開始學習呢
另外本身的目標是希望能有個科技相關產業 先入門
不一定要跟轉職數據分析有關 但希望能夠使用到python做一些自動化測試操作等等的
如果是這樣的需求 除了學好Python的基礎之外還需要具備什麼呢
英文不好還是一樣去找的課程,YT、Udemy上面也挺多中文的課程。學習內容,基本上你學習python、SQL大致就可以了,然後準備好履歷,接著海投。
英文是加分打底項,可以之後慢慢練,先看得懂程式語言上的英語部分就好
乾貨乾貨🎉!謝謝你解惑。很想諮詢相關領域的人,請問可以報名嗎?
下面資訊欄有問卷,可以說下你的問題
@@BenHsu501 已填問卷,謝謝回覆。
分析的真有道理,你到底咨询过多少人?
感謝回饋,近百吧
6:00 空降學習方法
感謝回饋
你好Ben!40+的男性想去加拿大留学念data analyst转职+移民可行吗?之前在企业做会计结算,自学的Excel和Python
沒有特別研究過加拿大移民,並且提供訊息太少。如果你是指留學取得工作簽,以你的狀況是否能取得工作,首先還是要了解加拿大的求職文化,像是美國碩士通常會在今年找明年實習,如果狀況雷同,就變成留學前就要開始準備面試。另一方面,如果你畢業時如同今年初科技業裁員,這種情況下只能回國。
當然這也跟你未來的求職目標、學校、現在的學習程度、自學的能力、還有為什麼要選這條路有關,所以很難以可行或不可行回答。
如果目標是移民,那也不一定要數據分析;如果是臨時起意,就需要多思量一下。
请问你有相关的数据资料证明你的论点吗
有些是訪談經驗,有些是同儕經驗,但不同地區狀況可能不同。
請問一下 那如果把這些觀念做法 放在面試前端也是可以的嗎?
基本上是可以的,面試可以打配另一篇履歷撰寫來看
請問 Ben 哥有臉書或部落格嗎?謝謝🙏❤
哈哈哈哈,Mina 發mail給我吧
請問SQL的部分是必學的嗎,才能跟python搭配使用?
很多面試都會考SQL,所以建議是轉職過程需要學會,如果因為不會SQL被刷掉,很不划算。
SQL不一定是與python搭配使用,SQL也可能獨立使用、或是與其他語言搭配,看公司、團隊的習慣。
好的工作又不是很多
行政院主計總處於日前111年的12月21日公布「110年(2021年)工業及服務業受僱員工全年總薪資中位數及分布統計結果」,其中勞工薪資平均數為67萬元、年薪中位數為50.6萬元,雖較109年增加1.00%,但高、低薪資差距仍自2015年首度擴大,且根據統計:高達68.31%的勞工未達平均年薪,寫下歷史新高的紀錄。
確實挺殘酷的,在台灣要過能養家的生活,估計薪資得到80-90%
很多時候不是努力問題,而是賽道問題,所以轉職就成了更換賽道的一個選擇
我會寫程式,技術沒問題,但是最有問題的是該如何挖掘有價值的數據就是了,目前的資料都是取自政府的公開資料集。
要從一個不了解的數據自行挖掘出價值是困難的,有時候也是莫名奇妙,舉例來說,鐵達尼號數據集可以挖出什麼商業價值?所以從需求開始找資料,會比從資料找應用要來得容易。
在還沒有取得工作前應該專注的是取得工作,而不是能夠在那行業做得多好,大概是這樣
確實是這樣,只是大部分人不知道如何分辨哪些可以幫助取得工作,知易行難這樣
對於想轉職而進台大再修一個資科碩的我,我真的覺得很邪門歪道,這樣的程度進的了怎樣的公司....
感謝回饋。能進怎樣的公司可能不是重點了,有工作經驗後的跳槽才是。也可以關注下一部影片,對你應該也有幫助。
身為會寫程式的數學系深有同感,沒有幾個有價值的side project 真的會連面試的門票都拿不到😂😂
感謝回饋~ 確實,畢竟競爭對手也包含有經驗的從業者
"99%轉職數據分析的人都失敗了 " 是從哪裡看到的? 最有興趣了解是"99%" 和"失敗" 的部分。 不會是你個人經驗的統計吧?
兩個原因,第一個是因為是標題,所以是99%;但機率低這件事情,是在諮詢過程中,訪問其他轉職者得知的,有許多人有參與政府、資策會課程,詢問一下就了解一個班級有多少人轉職成功或堅持下去。
感觉博主举的例子都是机器学习,数据分析应该都是学excel, sql,power bi 这些吧?
有蠻多考慮面向,像是,如果你的目標工作只要 excel, sql, power bi 該如何脫穎而出;還有,市場上的數據分析師,有多少比例需要 python。通常 python 的市場需求在數據分析,還是最大的,即使工作不一定用得上,面試也加分。
請問ben你自己是本科還是非本科,讀碩士對找數據工作值得嗎
"讀碩士對找數據是否值得" 是一個複雜並且會根據個人狀況有不同的答案,我簡答,年紀:大不適合;科系:需要對的科系與學校,而如果你能念資訊,其實不一定要做數據分析;對未來薪資期許:有幫助;是否選擇在職專班:能力更重於是否是在職專班。而我是數據分析相關科系。
@@BenHsu501 請問什麼才算是數據分析相關科系?
比較狹義的說,資工資管、數學統計是比較標準的。但應用領域的,工工、工管、管科、電機、計量、流病也常有數據領域的研究室。
我拍了一支碩士就讀的影片,可以再參考
th-cam.com/video/cPdVWtRFDqw/w-d-xo.html
影片聲音有點小耶,希望可以大聲一點
感謝回饋,之後會再注意
07:40 鏈結 X 連結 O
感謝回饋,確實沒注意到