＼因場地限制，本場版聚不接受現場報名／
介紹
「如果早點知道這些，或許就能少走很多冤枉路了。」
這句話，可能是許多資料人在職涯初期的共同心聲。這次，我們不談生硬的程式碼，要來聊聊那些教科書上沒寫、但職場上卻最重要的事。
我們邀請了幾位好朋友來聊聊，無論你是正在求職的學生，還是剛入職不久的 Data Analyst/Scientist，這裡都有你需要的經驗談與溫暖建議。
帶上你的問題，來和我們一起聊聊吧！
時程表
18:40-19:00 入場
19:00-19:15 主持人開場
19:15-20:55 四位講者分享
- 19:15 資料職涯新手生存策略
- 19:40 初入職場的自我覺察
- 20:05 從學術到業界，我如何成為合格的資料科學家
- 20:30 Forward Deployed Engineer (FDE) for Agentic Design
20:55-21:15 QA交流
講座資訊
19:15 資料職涯新手生存策略
Tien Lin｜Business Intelligence Engineer@網路服務公司
資料職涯新手要快速上手，關鍵在於主動研究、做中學，不怕面對沒有標準解的問題。避免問可自行查證的基本問題，多理解資料來源與商業流程。工作不在全都做，而在掌握 business context、優先順序與溝通，才能真正創造價值。
在資料領域深耕超過十年，幸運搭上資料快速發展的第一波浪潮，也一路在這行活到現在。在美國與台灣的各種公司處理過業務推廣、銷售到營運的資料。現在專注在讓組織裡每個人都有能力做自己想要的分析，同時兼顧標準化、易維護與可擴充性。
19:40 初入職場的自我覺察
陳建安｜Data scientist@Qnity
以自身出發探討初入職場新鮮人，透過心態調整、實務技能培養、人際經營、轉職策略與自我成長，以及分享從入職適應到轉職的自身經驗，期望幫助剛在職涯初期的人，避免走冤枉路，為長期發展做好準備。
Hi 台灣資料科學的社群夥伴們，大家好，我是Alvis 目前在台灣新竹的 Qnity (獨立自DuPont)擔任DS工作。
20:05 從學術到業界，我如何成為合格的資料科學家
陳建佑｜數據分析師@國泰人壽
將從個人經歷出發，帶大家了解我如何踏入資料領域、轉職進入國泰人壽。介紹金融業中 AI 與資料應用的真實樣貌，這職涯過程中所面臨的挑戰與轉折，並探討資料科學家應具備的關鍵特質與長期學習策略，幫助剛入行或剛轉職的你找到在 Data 領域中生存與成長的節奏。
我是來自國泰人壽的資料科學家，負責過的代表專案有保險商品推薦、商品QA助手。職涯中接觸專案的領域跨足了BA、ML、DL以及生成式AI，同時也擔任過PM及AI架構設計的腳色。現在汲汲營營摸索自己職涯定位的打工人。
20:30 Forward Deployed Engineer (FDE) for Agentic Design
陳翰申｜Principal Designer@Microsoft
介紹前線部署工程如何影響並加速客戶的 AI 解決方案。同時也將探討代理性設計（Agentic Design），以及我們如何透過與數據科學團隊協作、設計快速原型與回饋問題，來持續改進多代理系統（Multi-Agent Systems）。
Han-Shen Chen 現任微軟 AI Acceleration Studio 的首席設計工程師（Principal Design Engineer），他運用前線佈署工程（Forward Deployed Engineering, FDE）流程，專注於設計「以人為本」的代理人 AI 解決方案（Agentic AI Solutions）。他建立了**「高度人機代理設計框架（Hyper Human–Agentic Design Framework）」**，成功融合人類直覺與 AI 推理能力，實現可擴展的多模態體驗。透過開發具備推理能力的代理原型（Reasoning Agent Prototypes）來編排多代理協作，Han-Shen 加速了微軟（Fortune 500）企業客戶的 AI 解決方案從 0 到 1 開發進程——貫徹 FDE 的核心使命，有效連結早期實驗與生產級工作流程之間的關鍵落差。
此前任職於 Google 期間，他主導了 Google Home Assistant 的使用者體驗（UX）設計，並共同創立了《People + AI Guidebook》，確立了現今業界廣泛採用的設計準則。在 AWS SageMaker 任職時，Han-Shen 主導了 ML Governance（機器學習治理）的戰略架構制定，將模糊的技術與法規邊界轉化為可執行的標準，並為模型可觀測性（Model Observability）與合規審查（Compliance Auditing）構建了企業級框架。縱觀其職涯，他致力於彌合設計、工程與資料科學之間的技術鴻溝，透過深度跨職能整合解決高複雜度的 AI/ML 部署與落地挑戰——在推動技術創新的同時，實現規模化的組織影響力。
特別感謝以下社群夥伴，因為有夥伴們支持，讓版聚更加精彩
- 數位時代、MeetGlobal、台灣科技新創基地（TTA）
- 國泰金控 數位數據暨科技發展中心
▲ 本活動票券一旦售出恕不退款。
▲ 如果您對活動有任何疑問，請發送電子郵件至 twdsmeetup@gmail.com。
