Chia-Yen Chiang
博士學歷 :
Queen Mary University of London, PhD Machine learning and IoT
倫敦大學瑪麗王后學院 – 機器學習與物聯網博士生
碩士學歷：
Lancaster University, MSc in Data Science
英國蘭卡斯特大學 – 數據科學碩士
大學學歷：
輔仁大學 金融與國際企業學系
École supérieure de commerce de Dijon-Bourgogne
法國勃根地商學院 – 交換學生
過往經歷：
Digitalrail – Data Scientist Intern
留學前的學經歷
大學選系 : 嚮往商業領域 – 金融與國際企業系
高中時，總是可以在數學跟英文取得較好的成績，由於在其他科目並沒有特別擅長或有興趣，所以索性將精力集中英數兩科目。指考分數出爐後與家人討論、蒐集資訊，我在未來希望像我的會計師母親一樣，往商業相關的領域發展，最後分發至輔仁大學金融與國際企業系。
進入大學後，開始慢慢喜歡上輔大金融與國際企業系的課程與學習環境，因為從以前開始我就很享受與外國人溝通的過程，雖然對外語溝通這件事很感興趣，可是評估自己當時的英文並沒有這麼厲害，所以並沒有勇氣直接去選擇外語文專業。系上的資源正好補足選填志願時的一點小遺憾，讓我可以在學習商業領域專業知識的同時，也涵蓋到國際化、多元化的學習資源。
國企與金融科系 : 工作特性與個人特質的評估
畢業學長姊最頂尖的工作室往投資銀行發展，不過在投資銀行工作風險高，操作大筆投資金額所需的高張力工作壓力以及決策時的大心臟是我自認欠缺的部分，所以我並不敢貿然在第一份工作就去挑戰這類高風險的工作環境。
其他也有相對低風險的職業選擇例如 : 會計師、保險員，曾經讓我作為目標的會計師，後來發現在工作上需要不斷學習民事相關法規，成千上萬則的條文讓我浮現高中討厭死記硬背的回憶；保險員由於需要主動業務開發的工作性質，耳聞幾則親屬、朋友之間的關係疏遠的案例，也讓我沒有選擇踏入保險產業。基於以上原因，我沒有去選擇上述幾項校友職涯發展的參考。後來決定去探索以前沒有接觸過的領域，看看能不能因此探索出自己的興趣所在。
大學畢業出路 : 考取公務員或許是一條路?
大學時思考過幾個畢業後可能的職涯，其中一項就是考取外貿協會的相關職缺。外貿協會主要任務就是協助將臺灣本地的產品或服務外銷海外，因此有大量使用英語口說、文書的成長環境，協會也會開辦一年或兩年期的外語課程，培訓人才去跟特定國家進行實習或交換。
另外一項是參加台灣金融研訓院的招考，考試單位包含郵局、中小企業處等其他公家機關。當時被公務員職位，薪水穩定、升遷制度明確、上班工時正常的特性所吸引，母親也相當鼓勵我先參加考試再慢慢考慮，後來我成功錄取中小企業信用保證基金，平時工作內容大致與大學所學的金融、行政相關。
未來留學的契機：大四前往法國當交換學生
其實留學的想法萌生自大學階段，從前就很嚮往到國外當交換學生，很高興在大四時有機會真正實踐到法國交換的目標。由於法國大學學制是三年期，因此正值四年級的我理所當然被編入碩士班級，對我來說是個既有挑戰性又能夠享受新知吸取的過程。提前感受與碩士生們一同上課的氛圍，讓我所學知識以及進步空間都比留在臺灣更大。
前往法國交換時是進入商學院 (商業學程)，因此大部分的課程都包含 Case Study 以及專案報告，這次交換的經驗讓我重新喜歡上跟外國人交談的趣味，瞭解來自世界各國不同文化的同時，也在每次的對談中分享自己的觀點與文化背景。我認為當時沒有將自己融入當地環境、交到法國朋友，並不能算是一次成功的留學經驗，也埋下未來再次前往歐洲的契機。
英國碩士 : 留學申請經驗
結束法國交換、回到台灣完成畢業手續後，我如期進入公職體系報到上崗。由於上下班時間固定，我也開始養成閱讀報紙、新聞的習慣，當時正逢金融科技 (Fintech) 的崛起而引發各式討論，本身在金融體系更有機會瞭解到相關議題，漸漸的我從金融科技、大數據興起的過程中找出一些新的機會與想法。除此之外，安逸的生活讓我逐漸產生不安心的氛圍，開始意識到早九晚五的生活令我的成長有限，也不甘心直到退休之前都待在同一個產業或職場環境，所以打定主意再去申請大數據相關的碩士學程。
留學國家 : 選擇英國的原因 Why UK
第一個原因是語言，英文是從小學習到大的第一外語，使用起來比較方便，也可以省去溝通上不必要的麻煩。如果像當初選擇非英語系國家例如 : 法國，則需要再花時間學習第二外語才能更有效、親和的與當地人溝通，對我自己而言會覺得有一點浪費在海外的寶貴時間。
第二個原因是研究後發現英國大多數的碩士學程為一年制，可以在更短的時間內完成學業、取得學歷並開始求職，而且英國教學型碩士前幾個月在課堂上學習，最後幾個月寫碩士論文的形式也與在台灣所見所聞較為相近。
最後考量原因是留學總花費和物價水準，因為英國碩士通常只需要一年時間就能畢業，也就是說變向可以省下將近一年的房租、生活費、學雜費。雖然英國多數城市的物價水準並不低，但相較於美國、加拿大、澳洲等英語系國家的熱門留學城市中也不是最高者，所以後來決定主要申請位於英國的學校。
選擇 MSc Data Science
本來曾經有考慮過綜合申請金融科技方面的碩士學程 (如 : Master in Financial Technology, Digital Finance (Banking) 等)，但如果選擇金融科技相關的碩士，學校基本上會要求學生再修一次金融相關的學分，我就讀金融與國際企業學系時已經學習過 70% 相關知識，所以最後主力申請有開設大數據、資料科學相關碩士學程的校系。
選擇 Lancaster University : 排名與課程的綜合考量
我主要考量大數據領域 Entry Level Programme，當時看過 Lancaster, Leeds 和 Sheffield 三間英國大學網站上對於碩士學程的介紹， Leeds 和 Sheffield 整體課程設計更偏向 Computer Science ，因為我完全沒有電腦工程相關背景，只有一年的時間擔心無法跟上班級進度或達到要求。後來我選擇投遞 Lancaster 和 Leeds 兩間學校的申請，皆收到錄取 offer 後決定選擇到 Lancaster 報到。
選擇 Lancaster University 最大的原因是課程由統計、CS 選必修各半的設計，如果屆時入學後真的對於 CS 適應不良，至少可以選擇以統計相關選修來替代，如期畢業的可能性比較大。除此之外也有考量到相關領域的研究方面排名，Lancaster 在英國或國際上都有較高的知名度。
英國碩士 : Lancaster University 留學經驗分享
蘭卡斯特大學 : MSc Data Science 學生組成和學習情況
正式入學後發現來就讀大數據碩士的班上同學背景相當多元，學術背景有經濟、行銷、企管、心理、電腦工程背景的同學，並沒有當初擔心班上大家都已經具有非常好的程式基礎會程度落後的疑慮。我們學院中國學生的佔比大約是 1/4 ，但是相較於商學院已經相對比較平衡一些，也分別有來自歐洲、亞洲、美洲各國的的學生。
上課無論是專案或報告進行分組時，每位同學都會根據自己的學術、成長背景發揮專長來互相幫忙，對於膚色、母語不同的同學們彼此都很友善，例如組別有人更擅長 Python，他會熱情並耐心的帶領大家一起 Coding；有人擅長搜索文獻，會告訴大家應該如何篩選、辨別文獻內容，何種資料是否能放在報告裡當參考資料。剛開始曾讓我感受到自己是一個什麼都不懂的人、沒有出色的職場經驗，很感謝組員們願意引導我逐漸瞭解自己可以對於哪些項目作出貢獻。
蘭卡斯特大學 : MSc Data Science 課程設計
經過就讀博士、英國實習回顧母校的課程設計，我認為 Lancaster University 為學生安排的課程相當扎實且實用。通常就讀 Data Science 前需要具備基礎 Coding 技能，但由於學生來自不同學術背景較難以掌握每一位的程度，所以學程一開始就同時教授 Python 和 R 兩種程式語言 – Python 偏向提供給具備 CS 背景基礎的同學，R 偏向給統計、商學院出身的同學，原則上只要能夠學會以上兩種語言工具，之後處理後續課堂上需要進行的數據分析時都能更快、更容易上手。
蘭卡斯特大學 : MSc Data Science 受用課程
對我來說，碩士在讀期間印象最深刻或最有幫助的反而不是特定哪一門課程，而是畢業前最後幾個月寫論文、實習的時光受用最大，因為學習 Data Science 在接觸真實數據並加以分析的過程中成長最快，所以有大量接觸真實商業案例並且實際使用讓我學習到非常多新知。
對像我一樣完全沒有程式背景的人來說， Lancaster 課程所提供的初、中級課程相當扎實，但像是 AI, Deep Learning 等大數據、資料科學領域中更深入的底層知識，坦白說並不容易在八個月內完成深入教學，否則容易變成學生既無法打好基底、高階也只學到皮毛。以我來說，畢業後的實習和 PhD 的申請，都是依照我個人興趣去深入探索。
蘭卡斯特大學 : 英國大學求職資源
如同其他英國大學一樣，蘭卡斯特大學當然也設有專屬的求職中心，可以尋求實習、正職或職涯發展上的建議，像我自己有運用過的資源包含與職涯顧問討論履歷的撰寫方式。
另外最直接幫助的應該會是學校定期舉辦的實習展、 Job Fair ，把握機會提供履歷給有興趣的公司並詢問他們在該領域的徵才情況。後來透過一位同學的協助下取得我在英國的第一份實習工作，那位同學說既然我的碩士論文和機器視覺有關，公司也有提供相關服務可以試著投履歷。在求職前，我將自己碩士期間關於機器視覺的小項目成果錄製、編輯成影。我將這份作品集連同履歷一同提供給公司審閱，每想到一、兩天後就收到公司詢問實習的意願。如果應徵領域是與技術、科技比較「直接相關」的職位，非常建議大家提供自己在該領域或產業的實際執行經驗。
Digitalrail : Data Scientist Intern 英國實習經驗分享
我實習所在的公司 (Digitalrail) 提供的服務項目很多，其中一項我主要負責與安全有關的項目，像是我們在地鐵站、火車站裡設置攝影機，觀察旅客中有沒有可疑人士，或是觀察放置很長一段時間的包包 (判斷內部是否裝有炸藥的可能性)。攝影機會記錄、捕捉畫面，把相關資料、危險訊號傳送到中央運算處理，依據資料庫中的案例判斷可能出現的危險情況並接著通報當地警察。
我負責 Re-Identification，記錄每個人的 ID。例如畫面中出現一個搶匪，看影像紀錄的時候，我要在無法得知他的個人資訊的情形下，不斷地去追蹤他並記錄他的出現位置 (哪一個台攝影機)，判斷是否為同一個人，並給他一個 ID 名稱。
公司過去也執行過火車站的警示，攝影機會判斷旅客是否有超越月台警示線，若旅客太靠近鐵軌，警示器就會響起提醒旅客。
Lancaster : 英國大學生活環境
Lancaster University 座落於 Bailrigg ，位於蘭卡斯特市中心大約需要 10 分鐘車程，整體給人接近鄉村的氛圍、空氣中悠閒的讓人可以在繁忙的一年碩士生活中喘口氣，當地人也知道城市中有很多的國際學生居民，因此無論是光顧商店或餐廳都能得到很友善的對待。
如果要跟當地人交朋友，用興趣和課餘專長不失為不錯的出發點。在 Lancaster 讀書時，我參加當地的圍棋社，每周三、四的晚上，我會和圍棋社社友一起在酒吧下棋，「以棋會友」讓我認識到一些不同於大學生活圈的人。雖然我每周固定會和圍棋社的人一起下棋，但也不知道能不能稱上是朋友，因為除了下棋之外，我們的生活上幾乎難以存在任何交集。我不知道是因為文化或是另有原因，好像真的不容易在海外遇到「知心」的朋友。
Queen Mary University of London 英國博士留學經驗
留在英國進修博士 : 計劃於英國就業
其實一直到開始申請的前一刻，我從沒有認真想過自己會讀 PhD ，只是男友將自己的經驗分享告訴我，如果想要在英國得到一份大數據、資料科學相關領域的工作，增加學術經驗也是一條不錯的出路。
我考量到的原因有：一、英國找工作需要簽證；二、自己在 Data Science 領域只有一年碩士經歷加上幾個月的實習經驗，其實很難在當地市場找工作；三、我有學術方面的優勢，論文在 IEEE 上面發表過；四、繼續讀書可以獲得更多相關知識，也不失為一個好選擇。
綜合以上原因，我決定著手申請 PhD，準備兩三個月後遞出申請。
Queen Mary University of London : 選擇倫敦大學瑪麗王后學院的原因
我的首要條件，主要想尋找 Fully Funded (全額補助) PhD，因為我實在難以在這個年紀繼續依靠家庭經濟上的援助。雖然 Fully Funded 的 PhD 一般沒辦法再增加額外的儲蓄，但在不用負擔學費的前提下，還會根據所在城市補助一定金額的生活費用已經是相當不錯的條件。
我從 Find a PhD 網站上搜尋相關資訊，後來相中 Queen Mary (倫敦大學瑪麗王后學院) 和 Manchester (曼徹斯特大學) 兩間英國本地大學都有設立 Computer Vision 相關研究室且提供 PhD 學位，也皆有提供全額補助。
Manchester University 的 Computer Vision Lab 應用沒有限定任何場景，包含我之前實習 – 火車站交通方面的應用，或是用清晰相片做物種辨識。不過他們要求學生必須有 Deep Learning 的學習背景，對於調整演算法參數、更改 Deep Learning 的演算法架構需要掌握一定基礎，但評估後我只有短暫實習和論文撰寫經驗，就現有條件之下很難去競爭。除此之外，Manchester 不保證有提供全額資助，所以我決定申請 Queen Mary。
當時 Queen Mary Computer Vision Lab 的介紹中提到，他們所有的研究項目都必須做出實際的東西，剛好我也不想要純粹鑽研理論，因此對於這間學校算是一拍即合。除此之外還有一點非常吸引我，讀 PhD 的過程中指導教授是非常重要的角色，當時 Queen Mary 的指導教授出身於業界，後來因為研究上的興趣才轉往學術領域發展，對於產業實戰上有實際經驗。經過各種考量， Queen Mary 基本上是我申請 PhD 的不二考量。
Queen Mary University of London : Machine learning and IoT PhD
Machine Learning 和 Deep Learning 都是由大數據延伸而來，像溫度、動作、視覺感控器和攝影機，這些都統稱為 IoT ，各式各樣的數據被接收後，上傳到網路，用 Machine Learning, Deep Learning, Data Science 的演算法做分析。 Machine Learning 和 IoT 都屬於大領域框架下，我進行偏向框架下應用中的一些細節。
Queen Mary Computer Vision Lab 應用限定在 Smart City 框架內，具體的現實生活應用包含交通分析、行人安全危險等。後來真正開始進行 PhD 的項目時，除了過去 Computer Vision 的學習與使用外，我也開始額外接觸到 Sensor 的資料。
跨領域 : 從金融科技轉往機器視覺
碩士畢業必須做實習、寫報告，這份報告就相當於 Thesis 。如果沒有參加實習去寫報告會很麻煩，因為要自己找主題，內容也會比較偏向理論性的東西，沒有去做實際應用對我來說寫報告很困難。
那時候看到很多結合 Data Science 和 Finance 的實習職缺，但那些職缺全部都是給數學系相關出身、理工學院出身，或是數學底子不錯的人，所以我當時基本上送出的申請全部遭到拒絕。後來看到機緣巧合下發現 Computer Vision 沒有同學申請，而且我的項目必須用 Computer Vision 做出一個應用，就試著申請看看。可能是因為實習內容的描述看起來很困難，沒有人敢挑戰之下便成功被我錄取。後來無論是發表論文、申請 PhD 時的經歷，都是用 Computer Vision 的名義。
Queen Mary University of London : PhD 研究經驗分享
我目前研究題目是有關震動感知的 Sensor (感測器)，正常情況下每個人走路震動的波形差不多，但如果是公車、汽車或是其他交通工具會生成的波形會不一樣，我利用波形間的差異不同將人、腳踏車、車子做分類。另外一項是利用波幅判斷重量 – 重量越重、波幅越大，例如用震動去辨別一台車裡有幾位成人 (70 kg)。
Data Science 若沒有一定數量的數據資料，等同於無法進行任何作業，所以指導教授會盡他所能拜訪各間公司爭取使用資料的可能，說服公司提供資料讓研究室進行分析，可以說是一定程度上的產學合作機會。像是最近教授新找到的幾間公司願意提供我們關於街道上行人的資料，像是把監視器裡的行人形狀割出來，將中間的 Context Information 去掉後辨別行人是在走路、騎腳踏車，或是做其他動作。
指導教授的責任其實相當重大，需要與公司管理階層討論是否能取得 Data 、取得 Data 的時間、隱私權問題，以及法律程序，諸如此類很多道繁瑣的程序才讓我們有大量的數據進行研究與實際案例練習。
英國碩士 (Lancaster University) 和博士間 (Queen Mary University of London) 的差異
一開始抵達英國的碩士前期時光更像是大學生活的延伸，每天到學校上課、回家做作業，後面幾個月開始寫論文和實習時才感受到滿滿的不同之處。
具體的形容讀博士的生活，很像是將碩士最後幾個月的論文、實習加深、加長後的版本，相同的是要做研究，不同的是博士的研究項目會觸及到各式各樣的層面。現在對於同一個 Data 大約要進行 10 種不同的分析，並且都需要總結我對於研究項目的見解後必須發表 Paper。發表 Paper 如同於博士生們的績效、考績，整個博士就讀期間可能會產出很多份，但碩士生通常只要寫一份 Paper 或是報告就好。
Queen Mary University of London : 未來方向規劃
我未來傾向於進入產業、企業工作。其實我曾經請教過指導教授為什麼選擇從私人企業回到學術界任教，他分享過去有正職工作的情況下，沒辦法真正長時間投入研究自己感興趣的問題，他必須每隔幾周就發表一項新產品，常常做一樣的事情或是別人解決過的事情，日復一日讓他覺得很無趣。但是在學術界不用擔心這個問題，因為時間站在你這邊，你可以盡情研究任何你想研究或感興趣的題目。
如果要成為一名研究人員必須要有強烈的動機，有的人不喜歡長時間研究同一個問題的答案，因為大多數的結果說不定根本找不到答案，或是現階段並沒有合適的解決方式幫助去找到答案，基本上要做好會遭遇多次失敗的心理準備，所以有幫助自己持續投入的動機相當重要。
執行編輯 : 林軒毅 Bill
校稿編輯 : 卓庭如
延伸閱讀 : 更多深耕數據領域的臺灣留學生經驗分享
不愛土木，卻完成土木博士學位的 HBO Max 資料科學家 | UIUC Civil Engineering
經濟系到數據分析，上海 Apple 供應鏈筆記 | NYU Data Analytics & Business Computing
作為平台總編輯，在此感謝所有留學校友願意分享留學故事，也謝謝長期願意閱讀留學計畫文章的每位夥伴。如果你也有留學故事想要與大家分享，歡迎隨時透過 instagram 及 Facebook 與我聯絡。
