【國營聯招上榜心得-統計資訊類組】107/2018年國營事業聯招-陳同學考取心得分享(國營聯招/台水) @ 魯版主-國營事業招考資訊2023/112

國營事業聯招-統計資訊上榜心得分享

國營事業聯招-統計資訊上榜心得分享

想要成功考上國營事業，上榜同學的心得也是很重要的！
2018年招考在上個月最終放榜了，魯魯這裡訪問了幾個這次上榜的同學，一起來看看他們怎麼會想考國營事業、有著怎樣的經歷，又是如何念書，才在競爭激烈的國考中一舉上榜的呢？

考取同學：陳○銓
報考考試：國營事業聯招-統計資訊(台水)

同學背景、考試決心：

在金融業做了五年的資訊的工作(程式設計師、系統分析師)，在某次的專案接觸AI的相關工作後，重新燃起以前在學生時代喜歡做資料分析相關的興趣，於是辭職想轉往大數據分析相關領域的跑道。但因為轉換跑道需要花比較多時間成本或金錢去學習新的知識，在友人的鼓勵及推薦之下，得知國營事業聯招有一組統計資訊，其工作內容為大數據分析，而且考上屆時也會提供不少相關的教育課程，此外，國營事業也不會像金融業這麼爆肝，聽完頗為心動，馬上就報名準備這次考試。由於辭職到考試期間不到四個月，感覺自己準備會來不及，故報名TKB百官網的國營事業課程，加快知識吸收，即使如此想這短短的期間上完一百多堂課並且要完成複習仍是個艱鉅的挑戰。但我還是調整心態，立下一次就要上的決心，排除一切雜念後開始規劃念書進度，每天分成早上、中午、下午、晚上四個時段，自己排上兩至三門課，剩下的時間就是消化上課內容及勤做考古題，然後一週內休息半天放空不要念書，免得彈性疲乏。唯有堅持才是最後致勝的關鍵！

統計資訊短期準備速成祕訣：

因為考試中的考科有統計學，當初想要找統計學教得比較好的補習班，在多方比較之下，發現大碩的統計師資群最為堅強，最後毅然選擇大碩。在櫃台人員推薦下，選了張翔（廖崇智）的統計課、劉逸（劉信義）的程式設計及資料結構、資料庫。上過之後覺得張翔的課程由淺入深，從觀念建立到解題技巧都有涵蓋到，非常推薦。資料庫課程裡面提供滿滿的考古題解析，是上考場前很好磨練的素材，可以提升經驗值。劉逸老師的程式設計及資料結構課程時數較短，加上內容契合國營事業及高普考方向，非常適合備考期短的考生選擇。

國營聯招考科準備方法：

(1)國文：題型為寫一篇作文，權重為10%，秉持破題加上起承轉合，寫滿六七百字以上，及不要零分的原則
(2)英文：題型是單選，但要小心有倒扣，沒把握不要亂猜。今年雖然沒有了均標的門檻，權重為10%，但也是不能零分。考前我保持每天做補習班發的「公職英文」十題選擇題來訓練題感，並從中整理不會的單字及文法。
(3)專A：權重為30%，題型為有倒扣的選擇題。其中50%為統計學，範圍固定就只考敘述統計、機率與分配、抽樣分法、估計與假說檢定、變異數分析、迴歸分析、卡方檢定等內容，對照著「提綱挈領學統計」的內容及翔SIR課程，及搭配考前衝刺30天的題庫及考古題去準備，拿40%以上不是問題。其餘50%涵蓋大數據、機器學習、深度學習、資料探勘、Python、R、Hadoop等相關知識，因為範圍太廣，建議可以多練考古題，參考用書為資料探勘、機器學習等，其餘不足的部分由GOOGLE補足。
(4)專B：權重為50%，佔非常關鍵，雖然不簡單，但務必拿30%～50%。歷年來看，會考五到六大題手寫題，內容涵蓋資料庫、資料探勘、程式設計。資料庫部分必考一大題SQL，今年還出現ER model的題目，只要跟著TKB資料庫的課程及教材內的考古題準備，此部分就可以穩穩拿分。資料探勘部分大概會考兩到三題，涵蓋機器學習、資料探勘等，過去的的題目有關聯規則、決策樹、KNN、KMEANS、貝式分類等，準備的方法為由資料庫課程中的資料庫探勘的章節做延伸，配合考古題整理筆記。程式設計部分，會考一題程式實作題，及一至兩題的資料結構，除了按著劉逸老師的程式語言及資料結構的課程及補充教材準備外，我還會自己用python及java練習coding。

給報考同學建議：

在現今大數據、AI時代、資料經濟時代下，統計是機器學習及資料分析的基礎，而翔SIR的名言：「統計是劍」，更是呼應未來立志要往這些領域發展的人，唯有學好統計學打好基礎，再往上疊床架屋地學新的知識才會事半功倍。老師的教學能將艱深的統計學觀念，轉為較淺白的說明，讓學生更能吸收，而課程除了基本的觀念外也富含解題技巧，上過之後真的會有如醍醐灌頂，非常推薦。此外課程中老師會一直鼓勵同學，這裡也反饋給各位考生：當沒有上課時就是念書，實力是靠一滴一滴地努力累積，而不是一蹴可幾，同學們不要放棄！

點我報名-國營聯招最新考情說明講座

口試題目參考：

1. 基本自我介紹。
2. 當數據出現遺漏值該怎麼處理？
3. 若有一組關於漏水率相關原因的時間序列資料，並已知當某些因子超過某個門檻代表極有可能漏水，該怎麼用機器學習或統計方法分析？
4. 比較一下在大數據分析上使用套裝統計軟體與純程式語言的優劣。
5. 在大數據分析的專案中，若團隊中每個人背景語言不同該怎麼辦？

國營事業口試面試課程一對一諮詢