<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Taiwanese in Data Science on Medium]]></title>
        <description><![CDATA[Stories by Taiwanese in Data Science on Medium]]></description>
        <link>https://medium.com/@TWiDataScience?source=rss-793fc190db5c------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*M_REN-ixW4OMLTAy4I6cDg.jpeg</url>
            <title>Stories by Taiwanese in Data Science on Medium</title>
            <link>https://medium.com/@TWiDataScience?source=rss-793fc190db5c------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 06:31:52 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@TWiDataScience/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[【資料工程師來開講】在求職市場我有價值嗎？如何歸納經驗 成功攻略跨國新創]]></title>
            <link>https://medium.com/women-in-data-science-taipei/%E8%B3%87%E6%96%99%E5%B7%A5%E7%A8%8B%E5%B8%AB%E4%BE%86%E9%96%8B%E8%AC%9B-%E5%9C%A8%E6%B1%82%E8%81%B7%E5%B8%82%E5%A0%B4%E6%88%91%E6%9C%89%E5%83%B9%E5%80%BC%E5%97%8E-%E5%A6%82%E4%BD%95%E6%AD%B8%E7%B4%8D%E7%B6%93%E9%A9%97-%E6%88%90%E5%8A%9F%E6%94%BB%E7%95%A5%E8%B7%A8%E5%9C%8B%E6%96%B0%E5%89%B5-85a1dee66ad0?source=rss-793fc190db5c------2</link>
            <guid isPermaLink="false">https://medium.com/p/85a1dee66ad0</guid>
            <category><![CDATA[interview]]></category>
            <category><![CDATA[job-hunting]]></category>
            <category><![CDATA[data-engineering]]></category>
            <category><![CDATA[taiwanese-in-data-science]]></category>
            <category><![CDATA[overseas-jobs]]></category>
            <dc:creator><![CDATA[Taiwanese in Data Science]]></dc:creator>
            <pubDate>Wed, 30 Sep 2020 06:56:54 GMT</pubDate>
            <atom:updated>2020-10-03T01:46:40.009Z</atom:updated>
            <content:encoded><![CDATA[<p>文／Chia-yu Hsu、汪品妤、Chava Chou、Hanna Tsai</p><pre>在思考職涯發展時，你是否曾經想過朝海外發展？同時也在內心揣測自己的能力是否符合國際求職市場？這篇文章邀請到在日本新創公司擔任資料工程師的 Connor 來分享他的職涯經歷，從過去他如何累積專業知識到如何找到自己定位，以及分享在新創工作多年的觀察！</pre><pre>🚦本篇目錄<br>1.我該成為通才還是專才？<br>2.不同階段的學習模式及挑戰<br>3.海外求職的契機<br>4.透過周遭人脈、面試了解市場需求<br>5.透過面試雙向了解公司與你的配適度<br>6.什麼樣的人格特質適合新創<br>7.如何避免在新創中雜學甚至瞎忙</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MiAurZml_q6JgSq2lYCPQQ.jpeg" /><figcaption>photo credit: Connor</figcaption></figure><h3>如何培養專業知識</h3><h4>1. 我該成為通才還是專才？</h4><p>現在在職場上，靠單一一個專業領域做到退休是滿困難的，免不了得要跨領域，那重點就會是領域要跨到多開？有一種情況是雜學家，表面會的東西很多，但什麼都不精，這可能會是部分職涯發展會遇到的困難；Connor 認為合適的數量大概是選兩三個足夠有自信能當成主要領域的方向去努力。</p><p>他也提到，如果只專精在一個領域上的話可能會有兩個問題，第一個是<strong>取代性</strong>，比方說你只會訓練模型，現在很多深度學習模型，像 AutoML 一鍵就幫你訓練好，也不用非常懂模型。以這種取代的趨勢而言，取代掉的都是比較單一的領域。</p><p>第二個專才可能會碰到的問題是<strong>多數雇主不需要非常專精單一領域的人才</strong>。舉例來說，同時會 Data Pipeline 同時也會訓練模型的話，工作價值就會比較能彈性地發揮出來的。</p><p>兩個狀況有點類似，只有少數菁英的研究單位與分工精細且穩定的大公司，較有機會在單一領域發光發熱，一般的工程師工作都還是多少免不了雜活，多少都得了解一點跟自己專精的相關領域。</p><p>從 Connor 自己的經驗來看，當時在臺灣新創公司，同樣做 ML 的人很多，但缺少資料基礎建設，因此每個人都需要兼做一些 Data Pipeline、清資料，除了本身對這個部分有興趣，也覺得與其等別人慢慢去做，不如自己著手開始，就和同事開始專注在搭起數據架構（Data Infrastructure）及使用者（Data Scientist）之間的數據橋樑，擔任類似資料科學家後端的角色。在目前公司所待的團隊便是數據架構團隊，Connor 認為，假如當時在第一間公司沒有往這方面發展的話，跳到現在這個理想職位的機率不高。</p><h4>2. 不同階段的學習模式及挑戰</h4><p>主要會分成兩個階段，從研究所剛出社會時，主要靠的都是基礎科學（統計、數學），比較像從樹幹延伸到枝葉。比方說研究所和第一份工作都是做ML，但一個是做影像類型，一個是做文字，即使取的 feature、用的模型都不太一樣，但這一階段的差異還算是比較小，只要擁有基礎知識的底，就可以很快補齊所需技能。</p><p>第二階段是隨著越來越資深，公司一定會賦予更多非技術性的職務，此時學習的模式就不像以前可以從基礎知識開始，學習時間也會被壓縮，這不單只發生在資料科學領域。這時候就有點類似遷移學習（Transfer Learning）的概念，必須利用過去的經驗知識快速上手新的工具，沒有辦法等到把所有基礎都搞懂才開始做。</p><h3>求職／轉職時如何找到自己的定位</h3><h4>3. 海外求職的契機</h4><p>開始決定尋找海外工作機會的動機是因為在台灣經過許多次面試後，觀察到做資料科學領域的公司偏少，再加上自己的偏好是新創公司，導致選擇又減少了很多。</p><p>決定要踏上海外工作的路前做了很多功課，以在亞洲國家的資料科學、工程的發展程度、薪資，以及新創公司數來看，以中國、日本跟新加坡較為成熟，最後選擇日本是因為本身就喜愛日本文化，認為居住在日本是可以考慮的方向，也剛好幸運地拿到 offer。</p><p>在選擇就職的日本公司時，即使目標明確是新創，但同時也需要考慮這間新創公司文化、環境是否合適自己，以目前就職的公司文化組成舉例，工程師有將近一半非日本本國人，公司文化很多元、決策者也會願意放職權給員工、階級關係也沒那麼沈重，就是跟傳統日商蠻大的差異。</p><h4>4. 透過周遭人脈、面試了解市場需求</h4><p>一開始求職時，是先尋求有經驗的同事、前輩，藉由他們的分享來找尋自己未來可能的定位，但經過多次分享討論後，發現因為每個人背景經歷都不同，並不會有一個明確的指引，告訴他「下一步就一定是怎麼走」。再加上在當時資料科學是新興領域，要找到對資料科學領域非常資深的前輩不容易，更不用說想藉由討論得到一個符合自己背景的完整職涯規劃，抑或是每間公司的資料科學職缺所需要的技能與經驗等等。</p><p>反之，假如直接進入職場面試，藉由面試官的每一次問題，從問題反饋中，可以更快更有效率的認識自己，比方說得以知道哪些是公司會有興趣的經驗，進而可以在下一次的面試突出呈現，也能知道相關職缺所需要的人才，方便自己評估是否已經點齊相關技能。</p><p>另外 Connor 也提到與周遭人脈討論的最大收穫，會偏向是對於市場的趨勢認知以及從分享者的過往經驗了解自己所缺乏的部分，例如大公司、新創的數據團隊規模、在執行哪些專案、遇到困難時組織如何應對，解決方法又是什麼。有了這些經驗談，在未來如果遇到類似問題時，面試掌握的資訊量就會比較充足，實際工作後也可以減少一個人亂槍打鳥尋求解方的時間成本。</p><h4>5. 透過面試雙向了解公司與你的配適度</h4><p><strong>了解組織結構很重要：</strong>了解公司對於資料科學相關組織的規劃、相關的分工以及員工數量後，能更清楚公司目前的規模、業務發展方向。</p><p>而想要了解組織架構，可以從幾個方法下手：首先，在面試以前，從 JD 不但能夠了解職責範圍，還可以透過預計合作的對象、需求的技能大約猜測到公司的分工。其次，還可以觀察同公司的不同職缺，例如資料工程師與資料科學家的職務範圍與需求數量來幫助你從側面了解公司目前的人才需求。進入面試後，也可以請主管分享目前的組織架構，幫助你更確定這樣的合作與分工模式是否符合你的偏好。</p><p><strong>了解公司痛點幫助定位：</strong>在面試中，除了組織架構外，「將要面對的客戶」、「組織目前最急迫的問題」也是兩個可以幫助你確認是否適合這個職缺的重要方向。例如：面對內部客戶與外部客戶需要的溝通方式可能有所差異，需要的經驗也就有所不同，再思考自己過去是否有類似的經驗。另外，與主管面試時，若能挖掘到組織目前的痛點，就能讓你更清楚未來需要解決的問題方向，方便你評估是否符合自己想要的職涯發展。</p><h3>新創工作大小事</h3><h4>6. 什麼樣的人格特質適合新創</h4><p>新創的工作環境及氛圍，在大家的想像中是相對彈性甚至變化速度很快，一直以來的職涯大多都是待在新創的 Connor 提到以下幾個可以用來判斷個人適不適應的人格特質：</p><ul><li><strong>適應能力：</strong>新創變動性較高，能不能隨時順應公司變動調整自己，比如頻繁更換專案或合作對象，這對於能否長期待在新創環境十分重要。</li><li><strong>成長性思維（Growth Mindset)：</strong>保持彈性，把每段經驗都當成學習，面對不同情境能用「成長」思維替代遭遇失敗所帶來的挫折。</li><li><strong>學習能力：</strong>有人學新東西很快，有人則是喜歡做自己最熟悉的工作，如果是一個可以很快上手新技能的員工，會比較適合待在新創。</li><li><strong>喜歡追求影響力並願意協助他人：</strong>不喜歡只是當個螺絲釘，喜歡做的每件事都有意義且能影響、幫助到更多人。</li><li><strong>危機意識導向：</strong>保持變動，不喜歡太安逸，能促使自己不斷前進</li><li><strong>愛玩，喜歡挑戰！</strong></li></ul><h4>7. 如何避免在新創中雜學甚至瞎忙</h4><p>同時，在新創中每個人都需要處理很多不同層面的工作，這樣的工作型態可能帶來迅速的成長，但淪為瞎忙也時有所聞。Connor 提到這問題可以從幾個思考面向去探討：</p><ul><li><strong>從公司角色去理解任務：</strong>反思公司為什麼需要這樣的做事流程及組織策略，再去思考如何同時滿足公司與自身的目標、把眾多繁瑣的工作變得更有效率及自動化，能夠站在公司角度思考，就比較容易說服主管，也能比較容易調整自身的心態、因應變化。</li><li><strong>主動提出解法：</strong>新創因為組織規模較小，在流程制度上沒有相對應的管理流程，也有較多的包容性去接受不同提案及做法，建議大家可以主動提出解決方案，來緩解自身在工作上的不方便，在新創很容易被實現！</li><li><strong>找到自身價值及確認目標：</strong>新創公司提供很多機會及可能性，需要負責及溝通的事情也非常多，有意識地隨時確認公司與自己的目標是否一致，除了比較不容易迷失之外，也有助於將自己的方向拉回正向的學習軌道、消除每天瞎忙的感覺，轉成帶有目的性激勵效果的工作狀態。</li></ul><p>面試是一個繁瑣累人的過程，Connor 將面試作為一個個的檢測，逐步了解自己的經歷中哪些是市場價值，以及還有哪些技能樹該點滿，一次次迭代出屬於自己的職涯藍圖。<strong>「唯有面對市場，才不擔心被取代」</strong>是我們在訪談中看見的核心價值，重視每一次面試的反饋，在跨國的版圖上找到自己的定位，祝（嚮往海外工作者）早日登出臺灣！</p><blockquote><em>📩 想知道 Connor 更多的職涯大小事與更多精彩的資料科學分享：<br>資料森友會： </em><a href="https://t.me/all_about_data"><em>https://t.me/all_about_data</em></a><em><br>寫作計畫與文章列表《米寫糕》：</em><a href="https://leafwind.substack.com/"><em>https://leafwind.substack.com/</em></a></blockquote><pre><strong>如果喜歡這篇文章，可以幫我們拍手 👏 👏👏 50下，並且follow我們的最新文章，支持我們繼續努力！ (找找左側或左下角 “拍手符號👏”，長按可以連拍50下喔)</strong></pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=85a1dee66ad0" width="1" height="1" alt=""><hr><p><a href="https://medium.com/women-in-data-science-taipei/%E8%B3%87%E6%96%99%E5%B7%A5%E7%A8%8B%E5%B8%AB%E4%BE%86%E9%96%8B%E8%AC%9B-%E5%9C%A8%E6%B1%82%E8%81%B7%E5%B8%82%E5%A0%B4%E6%88%91%E6%9C%89%E5%83%B9%E5%80%BC%E5%97%8E-%E5%A6%82%E4%BD%95%E6%AD%B8%E7%B4%8D%E7%B6%93%E9%A9%97-%E6%88%90%E5%8A%9F%E6%94%BB%E7%95%A5%E8%B7%A8%E5%9C%8B%E6%96%B0%E5%89%B5-85a1dee66ad0">【📣資料工程師來開講】在求職市場我有價值嗎？如何歸納經驗 成功攻略跨國新創</a> was originally published in <a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【資料科學家來開講】想當數據分析師？從面試到入職 過來人不藏私大分享]]></title>
            <link>https://medium.com/women-in-data-science-taipei/%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E5%AE%B6%E4%BE%86%E9%96%8B%E8%AC%9B-5%E5%80%8Btakeaway-tips%E6%95%99%E4%BD%A0%E6%88%90%E7%82%BA%E4%B8%80%E5%80%8B%E5%84%AA%E7%A7%80%E7%9A%84%E6%95%B8%E6%93%9A%E8%81%B7%E5%A0%B4%E6%96%B0%E9%AE%AE%E4%BA%BA-34667370403d?source=rss-793fc190db5c------2</link>
            <guid isPermaLink="false">https://medium.com/p/34667370403d</guid>
            <category><![CDATA[taiwanese-in-data-science]]></category>
            <category><![CDATA[data-scientist-skills]]></category>
            <category><![CDATA[interview]]></category>
            <category><![CDATA[job-hunting]]></category>
            <category><![CDATA[data-scientist]]></category>
            <dc:creator><![CDATA[Taiwanese in Data Science]]></dc:creator>
            <pubDate>Sat, 08 Aug 2020 14:21:08 GMT</pubDate>
            <atom:updated>2020-08-24T10:42:46.963Z</atom:updated>
            <content:encoded><![CDATA[<p>文／Chia-yu Hsu、Hanna Tsai、汪品妤</p><pre>【求職季特別企劃--📣資料科學家來開講！】<br>公司裡的data部門都在做什麼？如何才能成為數據分析師？<br>新主題首發，我們邀請到從事資料科學工作6年的Victoria來和大家分享她的工作經驗，以及給新鮮人的求職小建議！</pre><pre>🚦本篇目錄<br>1.前言<br>2.數據團隊裡的角色<br>3.成為一個數據分析師該具備什麼能力<br>4.資料科學職涯中的有趣小觀察<br>5.成為一個優秀的數據職場新鮮人的5個takeaway tips<br>6.結語</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/646/1*pSVF-fx_R3DYLfn7RwelEw.jpeg" /></figure><p>大學唸統計，研究所唸資管，Victoria完成研究所學業後，開始她的資料科學職涯。六年間Victoria先後在軟體公司及硬體科技公司服務，兩家公司皆為上市櫃公司，對於數據團隊的定位及工作內容她有幾個小觀察：</p><blockquote>這兩家公司不同的地方在於，一間公司是跨國大組織，公司各個部門的資料分散落在全球各地，在資料團隊的營運上分工也很得很細，比方說資料管理、資料處理、資料分析分別由三個團隊負責，彼此間必須緊密合作才能完成專案。另一間公司則不同，每一位團隊成員都有可能同時負責到蒐集、處理、分析、匯報的作業流程，並且在工作中可以逐漸熟悉對公司業務的domain know-how。</blockquote><p>此外，許多公司在成立初期大數據分析這個概念還未開始流行，造成在公司內部門各自擁有自己的數據，卻缺少整合性的資源，以至於會需要花費較多的時間整合、彙整散落在各個部門的寶藏，重新建造公司的數據寶庫。兩家公司在數據整合、彙整的階段皆是採取有多少資料做多少事的策略，當中會彈性做一些實際應用，大多與公司內部營運的主題相關像是財務分析、業務分析、人力資源分析等方向。</p><h3>數據團隊裡的角色</h3><p>Victoria介紹與數據最相關的核心團隊大致上有四種角色：</p><ul><li><strong>整理龐大數據資料的DBA</strong><br>資料庫管理員（Database Administrator，簡稱DBA）是負責在公司部門間串連數據、維繫資料庫的角色。</li><li><strong>將資料價值化的數據分析師</strong><br>將蒐集到的數據，通過自身經驗及背景知識，對市場、競品等分析判斷，提出運營、銷售、研發等方向建議。</li><li><strong>便利數據使用的數據平台工程師</strong><br>為了方便公司其他人員取得所需的數據，公司數據通常會走向規格化，建立一個內部使用的數據平台或APP，甚至可以直接自動化的產出報表。</li><li><strong>接觸處理各系統端的PM</strong><br>PM是專案的owner，負責從前面三個角色團隊中協調人力，並與工程師討論後確認能否執行，以及監控整個專案的時程。</li></ul><p>每家公司的數據團隊組成，會依據產業,市場規模及產品等因素，而不盡相同，可以透過徵才網站上的資料拼湊團隊的工作角色分配唷！</p><h3><strong>成為一個數據分析師該具備什麼能力</strong></h3><p>上述四種角色需要的能力、背景知識不盡相同，數據分析工作對很多人來說有個背景迷思，會認為需就讀相關科系，才能應徵數據團隊所需的相關職缺，Victoria認為這個問題比較沒有一定的答案，單純看團隊需求以及主管的個人的偏好。</p><p>其中，有些核心的能力是可以條列出來，以下分兩部分探討分析師須具備的能力：</p><h4>Hard Skills</h4><ol><li>一定程度的統計及數學邏輯</li><li>R/Python/(My)SQL/Oracle等資料處理程式語言（至少使用兩種）</li><li>有較佳的邏輯及分析能力</li><li>數據聯想及串連能力</li><li>相關科系及跨科系背景（數學/應數/統計/資管/企管/財務工程)</li></ol><pre>🔖<strong>程式能力評估方式</strong><br>有些公司會採用紙筆測驗的方式，有些會上機測驗，有些則會提供實務案例進行考核，評量標準就依照各公司對該職位的能力需求而有所不同，建議可以多上網搜尋欲面試公司的面試心得文作為參考。<br>🔖<strong>邏輯能力評估方式</strong><br>滿多公司都是應考英文及邏輯測驗，甚至有些會加入性向測驗，測試你和這份工作的契合度！</pre><h4>Soft Skills</h4><ol><li>喜歡與數字及資料共處</li><li>喜歡預測及觀察數據帶來的insights</li><li>喜歡用數據說故事及分析問題</li><li>良好的商業頭腦及溝通能力</li><li>很大程度的細心</li><li>不厭煩長時間清理資料的過程</li></ol><pre><strong>🔖潛能評估方式<br></strong>大部分公司在面試新鮮人時，都會比較重視新鮮人的積極度及未來發展性，也會希望確認新人是否真正喜歡且了解這份工作內容。</pre><h3>資料科學職涯中的有趣小觀察</h3><p>從事資料科學工作六年了，Victoria有兩個小觀察：</p><ul><li><strong>資料專案經理崛起 — 串連各部門資料是當務之急</strong></li></ul><p>她提到在這幾年的工作經歷中，發現在公司每個部門都擁有各自的數據而且視為部門的資源，如何串連起不同部門的數據會是蒐集資料時的第一道大關卡，這是在大公司比較常會遇到的狀況，如果在工作上遇到各部門合作分析數據時，就會很需要一個對於部門資料有一定程度瞭解的溝通者「資料專案經理」處理協調各部門的需求，讓數據整合更順暢。若是在一般的中小型公司，因為業務較大公司單純，所以在溝通成本上花的時間也相對較少。</p><p>即便這個職位也許不一定會以一個新角色的方式出場，在數據職場中對內人際是不可不重視的一項技能呢！</p><ul><li><strong>踏入職場先釐清甲方乙方、大小公司的立場</strong></li></ul><p>在踏進數據科學領域前，總會對這個領域、公司抱持著滿滿衝勁及美好憧憬，Victoria建議新鮮人在求職前可以先釐清個人短、中、長期的職涯目標，才能找到相對應的工作內容及場域學習，像是你是比較想在大公司或是小公司工作?或是你是想在甲方還是乙方公司工作?</p><blockquote><em>👉</em><strong><em>甲方通常是指企業端</em></strong><em>，擁有的數據量會相較乙方多，但在整合數據時會耗時較長、在執行專案前會需要先評估企業立場、對各部門造成的影響等等。<br>👉</em><strong><em>乙方通常是指服務方</em></strong><em>，乙方較能接觸到各種領域的窗口，協助甲方分析、整合數據，完成甲方提出的要求，機動性較強，相對的本身擁有的數據量相較甲方少。</em></blockquote><p>以一個新人的角度而言，可以評估自己的興趣方向（Data Engineer、Data Analyst）在什麼樣的公司會比較有發展空間、符合職涯目標，這部分就得靠在面試時深入暸解職位的內容及團隊現狀了！</p><h3>成為一個優秀的數據職場新鮮人的5個takeaway tips</h3><p>在現在的公司裡，數據團隊通常為公司中研發分析或資料整合中心，身為一個mentor認為有哪些建議適合給對資料工程/分析師有興趣的新鮮人呢？</p><ol><li><strong>用數據思維寫履歷</strong><br>利用量化舉例的方式，有邏輯順序讓面試官了解你的強項及工作能力，同時，也可以強調個人的競賽經驗及side projects，用數字來量化每個成就，讓面試官帶入情境！</li><li><strong>強化你的社群力</strong><br>現在台灣有許多資料科學社群，很多面試的細節（像上面分享的面試關卡）都可以在與人交流的過程中收穫，Victoria在數據工作尚未蓬勃出現之前便是透過社群詢問前輩找到發展方向的。<br>隨手推薦一些社群資源：<br><a href="https://www.facebook.com/groups/datasciencemeetup/">Data Science Meetup 台灣資料科學社群</a>、<a href="https://www.facebook.com/Tw.R.User/">Taiwan R User Group</a>/<a href="https://www.facebook.com/groups/pythontw/">Python Taiwan</a>、<a href="https://www.facebook.com/TWiDataScience/">Taiwanese in Data Science</a>（主辦<a href="https://www.facebook.com/WiDS2020/">WiDS</a> Taiwan社群）</li><li><strong>持續性的自學並提出自學證明</strong><br>當新鮮人初入職場時，會發現公司所使用的程式語言及分析系統，與自身所學有所落差，同時，公司也會持續建立新資料庫或是導入第三方服務系統，因此花時間自學的能力是很重要的，建議新鮮人可以多強調自學經驗，除了可以增強能力，同時也是一種獨立尋找問題解答能力的展現，因此不妨自學之餘也將學習成果呈現在履歷上。</li><li><strong>為自己訂下短中長期目標</strong><br>Victoria特別提到「<a href="https://www.franklincovey.com/the-7-habits/habit-2.html"><strong>以終為始</strong></a>」的思維應用在職涯發展中，透過<strong>設定「<em>你三五年後想要達成什麼目標？</em>」具體化預期成就</strong>，並在工作選擇、工作日常中具體實踐，以Victoria自身的經驗為例，她希望自己是能在專案中獨當一面的角色，因此她從組織分工細緻的公司換到現在需要一條龍處理資料的公司、也在工作過程中特別留意該如何與user需求對焦、如何溝通等多角技能。</li><li><strong>面試該問的問題<br></strong>最後，在找工作時一定要問清楚的三件事：<strong>「公司希望找什麼樣的人，釐清職位需求？」、「數據團隊是否具規模性？」、「公司對於數據分析的運用情境有哪些？」</strong>。每家公司的數據團隊需求不同，部分公司需要數據分析師兼任數據工程師的角色，在求職時確認工作內容是否符合自己的目標是很重要的；接著是團隊規模，對Victoria而言進入有規模的大團隊可以全面了解一個數據團隊運作的真實狀況，第二階段再朝自己有興趣的技術鑽研；第三個問題則是要確認進入公司後，做的工作內容是否符合自己想學習的領域；最後別忘了還有一個很重要的問題，Victoria：「當然是薪水XD」。</li></ol><h3>結語</h3><p>除了針對數據工作的求職者給予建議，Victoria也提到其他很重要的職場生存術，例如<strong>「要找到組織中的key person」</strong>，這個角色對新人來說最重要的需求是<strong>願意分享</strong>，讓初期的磨合協作更順暢，少走冤枉路。除此之外，數據分析的工作其實需要抓緊對公司（或客戶）的痛點，才能使分析結果加值再加值，因此<strong>認識所在產業的商業價值及商業模式</strong>是很重要的！</p><pre><strong>如果喜歡這篇文章，可以幫我們拍手 👏 👏👏 50下，並且follow我們的最新文章，支持我們繼續努力！ (找找左側或左下角 “拍手符號👏”，長按可以連拍50下喔)</strong></pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=34667370403d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/women-in-data-science-taipei/%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E5%AE%B6%E4%BE%86%E9%96%8B%E8%AC%9B-5%E5%80%8Btakeaway-tips%E6%95%99%E4%BD%A0%E6%88%90%E7%82%BA%E4%B8%80%E5%80%8B%E5%84%AA%E7%A7%80%E7%9A%84%E6%95%B8%E6%93%9A%E8%81%B7%E5%A0%B4%E6%96%B0%E9%AE%AE%E4%BA%BA-34667370403d">【📣資料科學家來開講】想當數據分析師？從面試到入職 過來人不藏私大分享</a> was originally published in <a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Megan：多方嘗試，撕掉性別框架讓自己發光！]]></title>
            <link>https://medium.com/women-in-data-science-taipei/megan-%E5%A4%9A%E6%96%B9%E5%98%97%E8%A9%A6-%E6%92%95%E6%8E%89%E6%80%A7%E5%88%A5%E6%A1%86%E6%9E%B6%E8%AE%93%E8%87%AA%E5%B7%B1%E7%99%BC%E5%85%89-300fb1425fe0?source=rss-793fc190db5c------2</link>
            <guid isPermaLink="false">https://medium.com/p/300fb1425fe0</guid>
            <category><![CDATA[careers]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[women-in-tech]]></category>
            <dc:creator><![CDATA[Taiwanese in Data Science]]></dc:creator>
            <pubDate>Wed, 25 Sep 2019 02:02:09 GMT</pubDate>
            <atom:updated>2019-09-25T02:02:09.188Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2dDnMjKPejskzGx7c0Tl0w.png" /></figure><p>採訪：Joelle<br>撰稿：Julianne Lin<br>編輯：Chava Chu, Alicia Tsai</p><p><strong>準備迎接全球化的工作環境</strong></p><p>因為很想看看這個世界，Megan 在從清大資工畢業，申請上臺大資管所後決定休學一年，帶著身上僅有的十萬台幣，到非洲獅子山參與偏鄉資訊教育，幫助當地孩子學習使用電腦。以這場冒險為開端，接著前往紐西蘭進行網路與偏鄉教育的研究。直到身上盤纏用得差不多了，便開始在世界各地努力的投履歷，希望可以將過往的經歷應用於商業領域，她很幸運地找到另一個全新的起點：在德國慕尼黑的新創公司負責 Buiness and marketing analysis，實習了八個月後，回到台灣完成研究所的學位。Megan 相信人才外移正發生在世界各地，而未來全世界都可以是你的職場，因此 Megan 相信培養全球化的經驗非常重要</p><p><strong>全權負責專案，養成獨立性</strong></p><p>Megan 從大三開始接觸機器學習專案，同時，為了累積商務經驗，這個選擇也成為 Megan 資料科學之路的起始點。臺大資管所畢業後，Megan加入了IBM擔任Data Science Consultant，負責為客戶導入Machine learning solution，並在這段經歷中培養了自己的獨立性。Megan 對這段經驗無比感激，她分享：「當時這個專案，是從最初的需求訪談開始，到後來又面臨找不到資料，到資料量太大不知道如何處理等問題，加上面對認真嚴謹的客戶，過程中無時無刻不繃緊神經，隨時準備面對挑戰，但幸運的事，我的主管MJ願意給我們很大的發揮空間和舞台，並隨時在我需要討論與協助時提供指導，因此這個專案中讓我成長許多」。最後專案結束時，和客戶變成好友、幫助客戶成功，這些都帶給我很大的成就感，我也因為這段經驗體認到，當你對自己的專案有 ownership，主管也會尊重你的意見。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YBX4Z6Rt2xAWATnzhQbmhw.png" /><figcaption>Megan 在 Roundtable 環節也熱心的解答大家的各種疑問 (Credit: WiDS Taipei)</figcaption></figure><p><strong>積極爭取想要的機會，證明自己 I can make it！</strong></p><p>Megan 在離開 IBM 後選擇重新回到德國。台灣人在德國找工作不容易，雖然 Megan 很想繼續做顧問性質的工作，但受限於語言，只能想辦法另闢蹊徑。後來找到 big data analyst 這個職務，在工作一段時間後覺得比起純粹的 Analytics 還是比較喜歡之前在IBM end-to-end 完成一個專案的感覺，用比較高的角度去看 Data &amp; Analytics 如何對一間公司帶來價值，於是決定以「專案經理相關工作」為目標，並想起 IBM 的同事曾激勵自己：「不是你有什麼職位才做什麼事，而是你做了什麼事才能有什麼樣的職位」，所以後來在下一個分析案中，Megan 主動攬下大部分對外溝通、找資源、安排人力、規劃專案時程及簡報等工作，邊做分析邊做專案管理，結案後這個專案甚至登上了南非的新聞。專案結束後，Megan 在評鑑時向主管表示自己未來想要成為一名專案經理，以及在過去這半年的專案中，自己做了許多與專案管理相關的工作及準備。這場對話意料意外的順暢，主管也欣然接受，認為 Megan 值得這個職位，並協助她改變職位以其升遷。這個專案的經驗，不僅讓 Megan 學習要讓自己成為那位值得的人，並且更相信「升遷」這件事情可以靠自己爭取。</p><p><strong>跳脫女性框架，樂於分享，多方用力嘗試</strong></p><p>在職場上，Megan 相信女性應該要跳脫性別框架，把標籤撕掉，已在管理階層的女性也應該去帶領並多分享經驗；而對於剛進入職場的女性，請鼓起勇氣，多多跟不同的人聊聊，試著在每個人身上找到亮點，從他們身上學到更多東西。此外，要讓自己多方嘗試有興趣的事物，而且嘗試的時候要很用力，不是蜻蜓點水就夠。既然要多看，那就要看最好的，才會知道行業中頂尖的人怎麼做。資料科學很夯，是當前趨勢，而要怎麼抓到趨勢並且栽進對的趨勢方向裡，這就仰賴不同的嘗試，才會知道自己是不是真的喜歡並且適合資料科學這個領域的工作。</p><p><em>“讓自己多方嘗試有興趣的事物，而且嘗試的時候要很用力，不是蜻蜓點水就夠。既然要多看，那就要看最好的，才會知道行業中頂尖的人怎麼做。”</em></p><p>後記：和 Megan 從生活聊到專業，可以強烈感受到 Megan 自信不畏挑戰的性格。在與 Megan 的交流中，最讓我印象深刻的，除了她樂於分享自己生活及專業的經驗外，以及她努力嘗試，並積極爭取的態度，日後我也常拿 Megan 的這段故事與同事友人分享。不論是訪談完 Megan，或者再次聽當時的訪談錄音，都能讓自己再次感染了她的樂觀與活力，並提醒了自己對生活與目標的堅持與衝勁!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=300fb1425fe0" width="1" height="1" alt=""><hr><p><a href="https://medium.com/women-in-data-science-taipei/megan-%E5%A4%9A%E6%96%B9%E5%98%97%E8%A9%A6-%E6%92%95%E6%8E%89%E6%80%A7%E5%88%A5%E6%A1%86%E6%9E%B6%E8%AE%93%E8%87%AA%E5%B7%B1%E7%99%BC%E5%85%89-300fb1425fe0">Megan：多方嘗試，撕掉性別框架讓自己發光！</a> was originally published in <a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[女孩領軍 首屆女性資料科學論壇在台北]]></title>
            <link>https://medium.com/women-in-data-science-taipei/%E5%A5%B3%E5%AD%A9%E9%A0%98%E8%BB%8D-%E9%A6%96%E5%B1%86%E5%A5%B3%E6%80%A7%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E8%AB%96%E5%A3%87%E5%9C%A8%E5%8F%B0%E5%8C%97-99c5f037c9fc?source=rss-793fc190db5c------2</link>
            <guid isPermaLink="false">https://medium.com/p/99c5f037c9fc</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[girls-in-tech]]></category>
            <category><![CDATA[about]]></category>
            <dc:creator><![CDATA[Taiwanese in Data Science]]></dc:creator>
            <pubDate>Sun, 01 Apr 2018 04:27:36 GMT</pubDate>
            <atom:updated>2018-04-01T04:30:47.434Z</atom:updated>
            <content:encoded><![CDATA[<p>by 江妙瑩 (網氏/ 罔市女性電子報)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Kj4Op5s8bsTNqNcDUsuN4Q.jpeg" /><figcaption>台大資工系許永真教授演講一景</figcaption></figure><p>大數據（Big Data）的分析與應用正夯，為目前國際重要的發展趨勢。近年來，台灣推動開放政府，逐漸釋出各種資料，廣泛運用於人口分析、食品安全、防災救災、疾病預防、基因科技、醫療衛生、環境保護……因此，資料科學、機器學習的跨領域特質，在這股學習風潮下，吸引許多資料科學愛好者的關注與分享交流。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*II8oEsQUqaW-EF6f8F0_PQ.jpeg" /><figcaption>WiDS論壇執行團隊成員：蔡依庭（右起）、李穎涵和徐若華。Photo by chiang</figcaption></figure><p>三月初春的夜晚，與三名<a href="https://www.facebook.com/WiDSTaipei/">Women in Data Science Conference Taipei</a>（台北女性資料科學論壇）執行團隊成員相約在東區的某咖啡廳，她們分別是蔡依庭（Alicia）、李穎涵和徐若華（Ivy），平均年齡25歲。在這場資料科學的盛會中，她們表達希望創造更多女性資料科學研究者的對話與典範學習。</p><p><strong>女性資料科學人分享最新產業趨勢</strong></p><p>25歲不到的Alicia，目前是台灣大學資訊工程系研究助理，也是這次首屆台北女性資料科學論壇的發起人及主辦人。她說，2017年7、8月間一次偶然機緣下，看到美國史坦福大學（Stanford University）每年舉辦The Global Women in Data Science（WiDS）Conference（全球女性資料科學論壇）的訊息，WiDS鼓勵與育成全球的資料科學人才，不分性別，但特別著重於女性在此領域中的發展。由於台灣從未舉辦過，史丹福大學無條件授權LOGO予世界各地的WiDS大使籌辦，讓Alicia興起在台北發起的念頭，邀請海內外台灣的女性研究者分享最新的產業趨勢。</p><p>「剛開始我也沒什麼把握，和朋友說，萬一真沒人，大不了幾個朋友在自己家裡播放線上影音，交流交流」，向史丹福大學取得台北主辦權，同時成為WiDS大使。過去多是參與籌備科技會議，但這次則是第一次擔任發起及主辦人的Alicia，一股腦兒熱誠想要促成大學相關科系研究人員、產業界的資安、PM（Product Manager，產品經理）、工程師、設計師等等跨領域專業工作者交流的機會，同時也一圓自己聆聽多位心儀講者的願望。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*KNucupxniPG5cJYzcSpw3g.jpeg" /><figcaption>Women in Data Science Conference Taipei 宣傳海報</figcaption></figure><p>原本對參與人數不抱希望的Alicia，在今年農曆年前向女性科技人社群（<a href="https://www.facebook.com/groups/420817431404071/about/">Girls in Gech Taiwan</a>，也是這次論壇的協辦單位）發出籌備邀請，出乎Alicia意料，短短兩週來自不同領域的成員熱情報名，籌備團隊快速組軍運作，穎涵和Ivy也是經由群組訊息，成為行銷宣傳組組員。</p><p><strong>女孩報到，眾志成城完成夢想</strong></p><p>今年 6 月將負笈赴美攻讀認知科學碩士學位的穎涵，在活動中負責行銷宣傳統籌以及擔任論壇活動主持人。由於背景是研究人的思考脈絡傳遞以及語言溝通，希望未來可以應用在資訊產品中而開始接觸資料科學。她說，這次的活動不僅讓她的繪圖和視覺設計能力大躍進，也很開心可以認識一群志同道合的朋友並攜手順利達成任務。</p><p>已有多次參與籌備大型會議經驗的Ivy，目前為台灣大學生物產業傳播暨發展學系學生，因對UX（User Experience，使用者經驗）領域有興趣而接觸資料科學，主責社群媒體行銷與廣告策略制定。這次除了主場論壇活動外，籌備團隊同時推出三場工作坊，Ivy說，監測售票後台時，發現文案在臉書粉專一推出，票券銷售量就會顯著提升，在資訊爆炸的時代，能透過社群有效傳遞訊息讓人很有成就感。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*J_4WPUWNM4_cxLLVlDrNIg.jpeg" /><figcaption>Women in Data Science Conference Taipei 工作坊實作時間，講師、助教與學員討論一景</figcaption></figure><p>這次論壇9位分享者，可說是資料科學界女性研究者的一時之選，由WiDS大使Alicia邀請後，籌備團隊接續講者連繫、文宣、場佈等各項工作。分享者不僅僅探討資料科學的產業動態，更重要是，分享資料科學可運用在哪些職涯上。例如，海外講者之一<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/193514324712099/?type=3&amp;theater">彭伊萱</a>（Evelyn）目前在Uber擔任Risk Strategy Analyst（風險策略分析師），專長為資料視覺化與實驗設計，Alicia說，當Evelyn的講綱：「資料科學的產業洞見與趨勢」、「從經濟學轉換到資料科學的職涯旅程」、「海外求職技巧與面試經驗分享」貼出來時，「很明顯看到報名數字節節上升」她忍不住笑著說。</p><p><strong>海外求職技巧、面試經驗很火紅</strong></p><p>除了海外求職經驗吸引人外，講者的職場經驗也是一大賣點。Alicia指出，另一位海外講者<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/195490394514492/?type=3&amp;theater">張碧娟</a>，目前在Google Brain（Google的人工智慧部門）的基因組學團隊擔任資深軟體工程師。取得美國史丹福大學資工博士學位的她，擁有豐富的機器學習專案經驗，包含Youtube影片個人化推薦、LinkedIn強大的連續搜尋功能模型、以及Voices actions語意分析。</p><p>Alicia特別介紹，也是畢業於史丹福大學的<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/192194858177379/?type=3&amp;theater">黃國寧</a>，目前在全球最大社交網站LinkedIn擔任Director of Analytics（資料分析總監），這次論壇她分享如何帶領一群由資料科學家，透過分析大量資料來驅動商業決策、並創造機會給全球超過5億用戶的美國LinkedIn經驗。Alicia說：「黃國寧在LinkedIn的經驗，也是吸睛度破表！」</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*anHUJl6sXRoIZqSdBPKCgw.jpeg" /><figcaption>Women in Data Science Conference Taipei 閉幕大合照</figcaption></figure><p>在音樂串流平台KKbox工作的講者<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/195966601133538/?type=3&amp;theater">陳怡安</a>，專長研究領域為資料探勘，帶領機器學習團隊運用資料探勘與機器學習技術建立個人化音樂推薦系統。Alicia說，加入KKBOX前，陳怡安在Yahoo Taiwan擔任資深研究工程師，替Yahoo電商網站研發推薦與個人化搜尋系統。另一名曾在<a href="https://www.facebook.com/pages/Oath-Taiwan/1815394468751516?fref=mentions">Oath Taiwan</a>(Yahoo!)工作的<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/192433534820178/?type=3&amp;theater">張羽祈</a>，清華大學資工系畢業後去了紐約IBM Watson研究中心，擁有跨領域工作經驗的她，從原本學習硬體的背景，自修成為了資料科學工作者，加上本身對於物理、數學、神經科學的喜愛，讓她著迷於各種不同領域結合迸出的火花。</p><p><strong>WiDS提供資料科學人才難得的交流平台</strong></p><p>除了產業界的分享者外，Alicia同時規畫了來自學界的分享，例如，近年來致力於研究巨量資料探勘以及社群網路分析應用的東吳大學巨資學院副教授<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/195585064505025/?type=3&amp;theater">胡筱薇</a>、台大生物產業機電工程學系教授<a href="https://www.facebook.com/WiDSTaipei/photos/a.188272111902987.1073741828.183813579015507/197162117680653/?type=3&amp;theater">陳倩瑜</a>、台大資工系教授<a href="http://www.cheers.com.tw/article/article.action?id=5088581">許永真</a>……皆是在女性資訊科技學界擔任領頭羊角色。Alicia說，論壇中，她們同時舉辦 Data Science Round Table（圓桌討論）活動，由於分享者各有不同專長，圓桌討論分布於場地內不同空間，參與者依照了自己的興趣加入不同的討論空間，與分享者近距離提問，或與其他參與者自由交流，為與會者提供了一個難得的資料科學人才交流平台！</p><p>如今，首屆女性資料科學論壇已於3月25日圓滿落幕。計畫今年赴美深造的Alicia也交了棒，她指出，後續講者的深度訪談與活動紀錄一系列將上傳到<a href="https://www.facebook.com/WiDSTaipei/">粉絲專頁</a>，「也希望未來能與科技廠商合作，爭取獎助學金，讓WiDS走入偏鄉，減少偏鄉孩子資訊不對等的情況」Alicia、穎涵和Ivy一起說出WiDS在台灣落地生根的願景。</p><p><em>非常感謝</em><a href="http://bongchhi.frontier.org.tw/"><em>網氏/罔市女性電子報</em></a><em>的採訪<br>原文：</em><a href="http://bongchhi.frontier.org.tw/archives/36293"><em>http://bongchhi.frontier.org.tw/archives/36293</em></a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=99c5f037c9fc" width="1" height="1" alt=""><hr><p><a href="https://medium.com/women-in-data-science-taipei/%E5%A5%B3%E5%AD%A9%E9%A0%98%E8%BB%8D-%E9%A6%96%E5%B1%86%E5%A5%B3%E6%80%A7%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E8%AB%96%E5%A3%87%E5%9C%A8%E5%8F%B0%E5%8C%97-99c5f037c9fc">女孩領軍 首屆女性資料科學論壇在台北</a> was originally published in <a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Women in Data Science Conference — 來自Stanford的全球資料科學盛會]]></title>
            <link>https://medium.com/women-in-data-science-taipei/women-in-data-science-conference-%E4%BE%86%E8%87%AAstanford%E7%9A%84%E5%85%A8%E7%90%83%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E7%9B%9B%E6%9C%83-997ccb2299c7?source=rss-793fc190db5c------2</link>
            <guid isPermaLink="false">https://medium.com/p/997ccb2299c7</guid>
            <category><![CDATA[about]]></category>
            <dc:creator><![CDATA[Taiwanese in Data Science]]></dc:creator>
            <pubDate>Sun, 01 Apr 2018 03:59:09 GMT</pubDate>
            <atom:updated>2018-04-01T04:17:09.571Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fsq579gbHTOnat_4xf6RPQ.png" /></figure><p>【Women in Data Science Conference Taipei】</p><p>The Global Women in Data Science (WiDS) Conference 旨在鼓勵與育成全球的資料科學人才，不分性別，同時支持「女力」在此領域中的發展。</p><p>WiDS每年於美國史坦福大學(Stanford University)舉辦研討大會，邀請行業內頂尖的女性擔任演講嘉賓，並有超過100個活動由全球的WiDS大使於各地區舉辦。</p><p>今年台北迎來第一次的舉辦權，同時與 Taipei Women in Tech/Girls in Tech Taiwan (Part of Google Community Groups) 合作規劃一系列的機器學習workshop，以及本年度的重量級活動：Women in Data Science Conference Taipei，邀請了來自國內外產業界、學術界的「女力」分享最新行業趨勢以及職涯規劃，以及資料科學在各個領域所帶來的重大改變！</p><p>不管妳/你是資料科學領域的新鮮人或管理階層、對於海外資料科學相關工作有興趣者、或著只是好奇時下火紅的資料科學到底是什麼，都可以在活動中得到豐富的資訊，並獲得與重量級講者的交流機會！</p><p>【報名傳送門】歡迎所有性別朋友報名！</p><p>WiDS Conference@Taipei 報名頁面 http://www.accupass.com/go/WiDSConference</p><p>WiDS Conference Stanford官方網站 <a href="https://l.facebook.com/l.php?u=http%3A%2F%2Fwww.widsconference.org%2F&amp;h=ATP4vV7FEdjcWpxRlBO7UJQ3WusiMh0uJE2x6KS1WxiSuRW4Wc-AFcTtYp1E4dbUQs-5FVmMtp5nl6QIC_tJW0Wo4D1R8B1iYoEZeQwOnZfgz_GNtu-HS0340Hw">http://www.widsconference.org/</a></p><p>主辦單位：Women in Data Science Taipei 協辦單位：三創生活, 國泰慈善基金會, WeTogether, Taipei Women in Tech/Girls in Tech Taiwan, Google Community Groups</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=997ccb2299c7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/women-in-data-science-taipei/women-in-data-science-conference-%E4%BE%86%E8%87%AAstanford%E7%9A%84%E5%85%A8%E7%90%83%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E7%9B%9B%E6%9C%83-997ccb2299c7">Women in Data Science Conference — 來自Stanford的全球資料科學盛會</a> was originally published in <a href="https://medium.com/women-in-data-science-taipei">Taiwanese in Data Science</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>