Career¶
本區整理資料分析師的職涯轉換路線,從既有的 SQL、Python 與商業分析能力出發,辨認目標角色需要補齊的技能,再用專案確認學習成果。後端工程系列則以求職助理為案例,從 Python 工程化一路做到可部署的 API。
Start Here¶
- 想往模型與實驗發展:從 DA 轉 DS 學習地圖 開始,對照機器學習與 Python 工程的技能缺口。
- 想往資料平台與管線發展:從 DA 轉 DE 水管地圖 開始,依五階段過關標準完成可重跑的 pipeline。
- 想把 Python 寫成後端服務:從 後端工程學習路線 開始,以同一個求職助理完成六章實作。
Learning Paths¶
三條路線可依目標角色分別閱讀。完整清單保留一句話導讀,也作為 JavaScript 未載入時的備援。
展開完整清單(含一句話導讀)
資料科學路線¶
- DA 轉 DS 學習地圖:要補的是機器學習和工程
給有經濟或計量背景的資料分析師:七章學習手冊、9 個月時程、零售題目地圖、上線後常見的 10 種失敗,以及台灣職缺與薪資現況。
資料工程路線¶
- 從分析師走到資料工程師的水管地圖
從 SQL、Python、建模到可重跑的 pipeline:五階段過關標準、工具選擇、實務故障與台灣求職方向。
後端工程路線¶
- 後端工程學習路線:從 Python 到可部署的求職助理
六章順序、共用專案契約、完成品架構與跨章驗收。 - Python 工程化基礎:把履歷分析寫成可測試的套件
純函式、package、具名結果、例外、依賴管理與邊界測試。 - Git 協作實戰:讓求職助理的每次變更可檢查、可回復
暫存區、精準提交、分支、衝突實驗、PR 與回復。 - FastAPI API 實作:從 HTTP 請求走到履歷分析結果
HTTP、Pydantic、router、service、記憶體儲存與操作者憑證。 - PostgreSQL 設計與整合:讓資料庫保護求職助理的資料
五表 schema、複合外鍵、交易、migration、查詢效能與持久化。 - Docker 化:把求職助理與 PostgreSQL 放進可重建的環境
Dockerfile、Compose、port、volume、環境變數與容器除錯。 - 部署 FastAPI 服務:讓求職助理透過 HTTPS 提供服務
Render、正式 DB、秘密、健康檢查、CI、驗收與部署回復。