Zhili Zhou

• Studentin

UIBE🇨🇳 -Informationsmanagement und -systeme
UZH🇨🇭 -Informatik

• Zukünftige Datenanalystin

Python, R, C++, HTML, CSS, JavaScript, SQL,
🌟Mathematik

• Reisende, Abenteurerin, Hobbyfotografin....

Scroll nach unten, um fortzufahren.

Warum Data Science?

Interesse

+ -

Während meines ersten Praktikums in einem E-Commerce-Unternehmen in China habe ich gemerkt, dass ich sehr interessiert an datenbezogenen Aufgaben bin. Ich habe die Verantwortung für die Pflege der Datenanalyseblätter für alle Artikel in unserem Online-Shop übernommen. Das war eine große Herausforderung, aber ich fand sie wertvoll.
Das Fach Datenwissenschaft bietet ein tieferes Verständnis von Daten, das die Erforschung von Mustern, Trends und Korrelationen in Daten ermöglicht. Das macht mir sehr viel Spaß, denn so kann ich Daten nutzen, um neue Erkenntnisse zu gewinnen.Gleichzeitig interessiere ich mich auch für den Bereich der künstlichen Intelligenz.

Karrieremöglichkeiten

+ -

Data Science ist ein schnell wachsender Bereich und gehört zu den heißen Eisen auf dem aktuellen und zukünftigen Markt. Da die Nachfrage nach Datenwissenschaftlern weiter steigt, bietet es eine breite Palette von Karrieremöglichkeiten für Lernende.

Innovation

+ -

Data Science ermöglicht Innovationen durch die Vorhersage zukünftiger Trends und Verhaltensweisen. Durch die Analyse historischer Daten und die Erstellung von Prognosemodellen können wir die Marktnachfrage, das Kundenverhalten und Produkttrends vorhersagen. Indem sie die Bedürfnisse, Vorlieben und Verhaltensweisen der Nutzer durch Datenanalyse verstehen, können personalisierte Produkte und Dienstleistungen angeboten werden, was die Innovation fördert.

Warum FHNW?

Es besteht kein Zweifel, dass FHNW mir alles bieten kann, was ich lernen möchte. Neben Datenanalyse und Statistik würde ich gerne auch mehr über natürliche Sprachverarbeitung, Deep Learning und maschinelles Lernen lernen.

Mir gefällt die innovative Art des Lernens in FHNW , weil ich glaube, dass das Lernen im Bereich der Informatik keine Grenzen kennt. Die Fähigkeit, selbständig zu lernen und nicht nur nach Lehrbuch, ist für jeden Datenanalysten unerlässlich. Dieser neue Ansatz ermöglicht es uns, uns selbstständig relevantes Wissen anzueignen und gleichzeitig eine effektive Unterstützung zu erhalten. Das ist etwas, was ich an anderen Universitäten nicht gesehen habe.

Ich bin auch sehr interessiert an den vielen Möglichkeiten, die die FHNW bietet, um mit Unternehmen zusammenzuarbeiten, was mir erlauben wird, das Gelernte besser zu verstehen und anzuwenden.

„ Try not to become a man of success, but rather try to become a man of value. “

--Albert Einstein

Erfahrung mit selbständigem Lernen

1. Diese Website

+ -

Da ich meine Motivation auf eine andere Art und Weise als in einer normalen PDF-Datei darstellen wollte, habe ich mir viele Gedanken darüber gemacht, wie ich sie präsentieren kann. Am Ende habe ich eine Website entworfen. Ich habe gelernt, eine Javascript-Bibliothek namens three.js zu benutzen, um einen einzigartigen 3D-Ansatz zu haben. Außerdem musste ich mich an meine HTML&CSS-Kenntnisse von vor Jahren erinnern und mit einer Menge over-ruled CSS kämpfen, indem ich Online-Tools wie YouTube, Code-davinci-002 ¹ und viele GitHub-Repos besuchte. Es hat sehr viel Spaß gemacht, wieder zu lernen und mein Wissen zu erweitern.
¹ : Eines der neuesten Modelle von OpenAI, das auf Code-Vervollständigungsaufgaben spezialisiert ist.

2. Web-Scraping mit Python

+ -

Während meiner Zeit in einem Architekturbüro in Zürich hatte ich die Gelegenheit, Web Scraping mit Python zu erkunden. Im Rahmen eines Forschungsauftrags für ein Projekt wurde mir klar, dass ich den Prozess effizienter und informativer gestalten kann. Ich lernte, wie man ein Programm erstellt, das Web-Scraping-Techniken einsetzt, indem man die Leistungsfähigkeit von KI nutzt. Es war ein dynamischer und interaktiver Prozess, bei dem ich Fragen stellte, Feedback erhielt, auf Herausforderungen stieß und nach Lösungen suchte. Die Erfahrung war nicht nur unterhaltsam, sondern lieferte auch beeindruckende Ergebnisse, da ich erfolgreich über 10.000 wertvolle Datenpunkte gesammelt habe.

3. Online-Ressource

+ -

Seit meinem ersten Studienjahr habe ich mich aktiv mit dem Selbststudium beschäftigt. Anfangs habe ich mich auf gängige Suchmaschinen wie Google und Plattformen wie YouTube verlassen, um nützliche Ressourcen zu finden. Im Laufe der Zeit erweiterte ich meine Lernquellen auf Plattformen wie GitHuh und StackOverflow, wodurch ich auf dem Laufenden bleiben und viele Probleme lösen konnte.
In meinem Streben nach Wissen habe ich auch viele öffentliche Online-Kurse wie MIT 6.006 ¹, UCB Data100 ² und MIT 6.042J ³ belegt, die es mir ermöglichten, von den Besten zu lernen. Ich habe Online-Kurse an verschiedenen Universitäten besucht und werde dies auch in Zukunft tun. Verschiedene Lehrbücher, unterschiedliche intellektuelle Schwerpunkte und verschiedene Projekte werden meinen Horizont sehr bereichern.
¹ : MIT 6.006: Introduction to Algorithms
² : UCB Data100: Principles and Techniques of Data Science
³ : MIT 6.042J: Mathematics for Computer Science

In Zukunft werde ich...

Durch ein erfolgreiches Studium werde ich in Zukunft Datenanalystin werden.

Ich werde fortgeschrittene statistische Methoden und Techniken des maschinellen Lernens anwenden, um komplexe Datensätze zu verarbeiten und zu analysieren und daraus nützliche Informationen zu gewinnen. Ich kann auch für die Umwandlung von Daten in eine aussagekräftige und leicht verständliche visuelle Form verantwortlich sein.

Ich werde mit meinem Team zusammenarbeiten, um ihnen zu helfen, die Daten besser zu verstehen, Trends zu erkennen und den Entscheidungsprozess zu unterstützen.