踏入數據分析領域必備：Side Project的準備
更新於 發佈於 閱讀時間約 6 分鐘
在之前的文章中，分享了我從公務員轉職到資料科學家的歷程，其中大大增加我履歷亮點的，就是大量的專案經驗，也就是大家稱的Side Project。這篇文章，想要分享Side Project為何、規模應該多大、方向怎麼找、在職期間怎麼找時間規劃完成自己的專案......等，希望可以給讀者一些更具體的想法！
Side Project是什麼
關於Side Project是什麼、如何開始，我詢問了ChatGPT給出以下回答。
對我而言，Side Project是在正職以外自己進行的專案，不管是靈光一現的靈感，或是遇到問題的解方，都可以成為自己獨特的Side Project。Side Project 重要之處在於，因為作品能幫你說話。尤其是轉職前沒有相關工作經驗，Side Project就可以大大提升說服力，讓人一看履歷就相信你具備技術能力。
如果上面ChatGPT的回答你都看得懂，那恭喜，你已經是可以獨當一面的數據分析師了，接下來只缺一個資料、一個靈感、一股衝勁，就可以完成很棒的專案。
如果ChatGPT的回答看完還是覺得很迷茫，那沒關係，接下來我會分享一些做專案的心得，試圖解決大家心中的困惑。
Side Project方向怎麼找
如果是要接觸數據分析、資料科學相關的領域，一開始一定會苦於找不到專案的方向，這時，可以從生活中的問題下手，例如：返鄉買高鐵票好苦惱，這時可以寫一個簡單的爬蟲專案，自動化買票的流程；找租屋/買房時找不到CP值高的房子，可以透過政府Open Data中的實價登錄資料，分析影響租房/買房價格的因素，試圖找到合理的價格。
另外，若想做資料分析專案，卻苦於沒有資料，可以上政府開放資料平台，上面也可以看到一些公開的加值應用；或是上Kaggle，裡面有許多比賽，有各種的資料可以玩，不同的任務要達成，更重要的是，通常都會有許多人分享他們的code與分析邏輯，是一個充滿寶藏的地方。
這邊跟大家分享幾個我曾經玩過的Kaggle競賽，在裡面學到了很多資料處理、建模分析的技巧：
- House Prices - Advanced Regression Techniques
- Store Sales - Time Series Forecasting
- Predict Future Sales
- H&M Personalized Fashion Recommendations
- Loan Data
接著，站在技術層面，我整理出幾個資料分析相關專案常見的分類，可以參考。
- 資料分析專案：包括結構化資料分析、自然語言處理(NLP)等，可以在專案中實踐從定義問題、資料探索性分析、資料前處理、建模分析，到結果詮釋，這一連串的流程，展現對資料分析的掌握度與理解力。
- 影像辨識專案：包括影像分類、物件偵測等，可以結合生活中的議題實作，例如實作抽菸辨識，若辨識出抽菸則發出訊號；做食物分類，計算熱量提供使用者飲食營養參考。
- 網路爬蟲專案：網路爬蟲範疇很大，除了從網頁上抓取想要的資訊外，也可以實踐自動化買票、自動化操作社群等等，只要有簡單的操作概念，就可以變化出各種應用。
- 流程自動化專案：善用程式自動化工作流程，例如，偵測股票價格，到價值點時自動傳Line通知、自動化整理報表、生成例行性簡報(PPT)等。
以上這些專案只是大略的分類，若還找不到方向，不妨找個有興趣的類別開始學習相關技術、發想有趣議題，開始自己的Side Project吧。
做Side Project需要的程式能力
新手也可以完成Side Project！
想做自己的專案，我覺得並不需要累積多強的程式能力，甚至有基礎的程式能力，透過ChatGPT的協助，也可以完成一個有趣的專案。舉個例子，你可以從一些券商的網站找到上市櫃公司的年報/季報，你想要把有興趣的財務指標抓下來，作為投資決策參考，並傳到Line上。此時，可以問ChatGPT如何爬取網頁資訊，它可能會告訴你可以使用Python的BeautifulSoup套件完成；問ChatGPT如何傳到Line，他可能會教你用Line Notify傳送或是建構Line Bot。如此一來便完成一個專案了。
因此，我建議不要猶豫，新手就可以開始做 Side Project。做專案的過程中，可以讓你直接應用所學、累積技術，之後更能協助你抵達求職彼岸，甚至找到寫程式的樂趣，持續進步前行。
你不需要很厲害才開始，但開始了才會變得厲害。
怎麼知道做的專案有沒有價值
我認為好的專案不一定是蘊含很深的技術能力，更重要的是如何定義問題，並用程式解決問題。另外，面試的時候，常被問到是專案背後的動機、解決問題的思路、是否遇到什麼困難以及如何解決，最後是專案帶來的效益。因此，我認為一個有價值的專案，就是說得出故事的專案，
透過每次的 Side Project 讓自己一點一滴累積成長，這就是最大的價值。
如何在職完成Side Projects
在職期間要完成Side Project，對很多人來說是個挑戰。但我在職將近1年半的時間，至少完成10件可以放作品集的Side Project，關於如何有效率完成專案，我想歸納成四點分享給大家。
- 目標導向：因為Python跟R有許多模組可以實現不同的目標，所以在學習Python或R時，在掌握基本概念後，我通常會以目標導向進行學習，例如：我想學習如何用Python爬蟲，就去學習BeautifulSoup與selenium模組的用法，這樣也可以累積實力的同時，也完成自己想做的小專案。
- 從過去的作業/小專案延伸：過去的所有成果都有其價值，因此可以試著延伸過去所做的小程式，甚至將它們串在一起也許就能成為一個專案。
- 改寫程式：網路上有很多大神寫的程式碼，例如在Kaggle、Github上很多人會分享code，所以可以改寫別人的code，用不同方法實現同個目的，或是優化績效等等。
- 多專案並行：在做Side Project的過程中不免會遇到難關，有時候會卡住一段時間，因此我習慣多專案並行，若暫時找不到解方，就先構思或進行下一個專案，或是同個專案的其他部分。我習慣在做專案時用To-do list的方式，訂定項目與階段性目標，達成了就可以劃掉，這樣不僅可以追蹤自己的目標，也可以清楚區分所有想做的事情。
總結
謝謝大家閱讀到最後，在做專案的過程，其實最重要的還是熱情，要相信自己的Side Project很有趣，做的是好玩的東西，有熱情投入，一定能在每次做Side Project的過程中不斷成長，並且能講出動人的故事。
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本文談及資料科學的領域與分工。首先是建造一個AI的研發流程，資料收集到 AI 模型訓練的過程，AI經歷這一切流程被創造出來並產生價值；再來本文也提及在這個領域中的各種腳色、資料工程師、數據庫工程師、資料科學家和資料分析師的各種介紹。並且強調跨領域合作的重要性。
在我剛開始寫程式的時候，深切地感受到要學的東西實在太多了，尤其在課堂上學的東西跟在公司要打造產品的技能非常的不一樣，有非常多需要自學的地方。
在我剛開始實習的時候，除了看書、看文章、用線上網站練習新語言的語法，我覺得幫助我最多的就是直接練習寫一個 Side project 了。
轉職數據分析師是一項需要長期努力的過程。對於文組生來說，由於缺乏數學、統計、程式設計等方面的基礎，在轉職過程中往往會面臨更多的挑戰。因此，制定一個合理的學習計劃，對於提高轉職成功率至關重要。
以下是一些規劃轉職數據分析師學習進度表的建議：
第一步：確認你的優勢和劣勢
在開始學習之前，我們首先要
探索職涯發展需要適時進行 A/B 測試和數據分析，以找出最佳策略。本文討論瞭如何在人生重大決策中運用 A/B 測試的觀念，以及 20/80 法則在職涯和專案管理上的重要性。此外，數據和了解用戶需要同等重要，並探究了目標設定和修正的策略。文章中提供了豐富的例子和建議，適合職場新鮮人參考。
有別於試圖直接從數據中找出洞察，商業分析的精髓在於先思考 so what——從定義目標開始，做出商業決策的雛形後，才用數據去支持假說。這篇文章介紹 A/B 測試的技巧，以及摘櫻桃的應用，解說數據篩選的操作、摘櫻桃的好處，以及企業案例：數位轉型後的報社，亞馬遜CEO貝佐斯改造百年郵報。
這是文科轉職數據工程師系列的第一篇文章。
許多人會在轉職前上許多數據分析課程，該怎麼選擇比較適合自己，但又不會噴錢呢？
這篇文章要介紹這個轉職過程前的準備工作。
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本文談及資料科學的領域與分工。首先是建造一個AI的研發流程，資料收集到 AI 模型訓練的過程，AI經歷這一切流程被創造出來並產生價值；再來本文也提及在這個領域中的各種腳色、資料工程師、數據庫工程師、資料科學家和資料分析師的各種介紹。並且強調跨領域合作的重要性。
在我剛開始寫程式的時候，深切地感受到要學的東西實在太多了，尤其在課堂上學的東西跟在公司要打造產品的技能非常的不一樣，有非常多需要自學的地方。
在我剛開始實習的時候，除了看書、看文章、用線上網站練習新語言的語法，我覺得幫助我最多的就是直接練習寫一個 Side project 了。
轉職數據分析師是一項需要長期努力的過程。對於文組生來說，由於缺乏數學、統計、程式設計等方面的基礎，在轉職過程中往往會面臨更多的挑戰。因此，制定一個合理的學習計劃，對於提高轉職成功率至關重要。
以下是一些規劃轉職數據分析師學習進度表的建議：
第一步：確認你的優勢和劣勢
在開始學習之前，我們首先要
探索職涯發展需要適時進行 A/B 測試和數據分析，以找出最佳策略。本文討論瞭如何在人生重大決策中運用 A/B 測試的觀念，以及 20/80 法則在職涯和專案管理上的重要性。此外，數據和了解用戶需要同等重要，並探究了目標設定和修正的策略。文章中提供了豐富的例子和建議，適合職場新鮮人參考。
有別於試圖直接從數據中找出洞察，商業分析的精髓在於先思考 so what——從定義目標開始，做出商業決策的雛形後，才用數據去支持假說。這篇文章介紹 A/B 測試的技巧，以及摘櫻桃的應用，解說數據篩選的操作、摘櫻桃的好處，以及企業案例：數位轉型後的報社，亞馬遜CEO貝佐斯改造百年郵報。
這是文科轉職數據工程師系列的第一篇文章。
許多人會在轉職前上許多數據分析課程，該怎麼選擇比較適合自己，但又不會噴錢呢？
這篇文章要介紹這個轉職過程前的準備工作。