姓名:吳佳璟
系級:成大心理系學士班101級系友
考試經歷:
102年公務人員特種考試一般警察人員四等考試合格
現職:台南市交通警察大隊員警
------------------------------------------
1. 一班警察特考基本條件:身高男生165公分；女生160公分；體格及其他項目皆有規範(參考考選部網站)
2. 105年特考錄取率:四等:25.44%；三等:19.28%(參考考選部網站)
3. 薪水:四等:40000多；三等:50000多
4. 考試經驗分享:四等補習一年，每日去圖書館讀書，申論題的準備是上課了解解題方式，多給補習班老師批閱；選擇題多練習考古題；讀書讀累了就準備體能，目前體能是立
定跳遠及跑步，要設定時間表，照著計畫循序漸進。
5. 工作經驗分享:
(1)三等和四等的差異是警官還是警員，警官多在內勤處理業務，偶爾需要職日或是加班才會需要晚上或假日執勤；警員的勤務多樣化，多在外勤，照著勤務表上班，24小時輪班。
(2)三等特考通過等同於警大畢業，四等特考通過等同於警專畢業，非警專、警大生者始能參加一般警察特考。
(3)警察雖然薪水中高且工作穩定，但是工作內容及上班時間皆對身體健康有所傷害，目前只有雙北及桃園等北部地區有在改良，其他地區因為人力、經費上的缺乏等種種因素無法同步。
(4)對女生來說，警察真的不是一個好職業，因為外勤工作還是居多，除了面對各種情況要有所因應外，生理上的調適更是重要，且同事多還是以男性為主，建議直接考三等特考較好。
(5)職場上能遇到一個好主管是幸福的事情，同事之間是否會互相幫助及相處氣氛是否融洽會直接影響工作態度及心情，警察職務有個優點就是不缺地方跑，因為每個地方都有派出所、分局等工作單位。
(6)在考試通過後會有訓練，目前都有一次以上的實習機會，趁那時好好體會班務、勤務上的實際操作，多思考若是自己碰到這些情況該如何處理，多學習各個同事的做法，若是覺得生理、心理上無法適應，可以趁最後階段來考慮之後的出入，特考班的特點就是隨時可以離職沒有服務年限的限制。
6. 給學弟妹一句勉勵的話：
良機只有一次，一但坐失，就再也得不到了。——勃朗寧
姓名：游為翔
系級：成大心理系學士班 101 級系友
現職：中央研究院資訊科學所資料洞察實驗室 – 資料科學家
學經歷：
2008/09 – 2012/06：成功大學心理系
2012/09 – 2015/01：台灣大學心理所
2016/05 – 2017/12：中央研究院資訊科學所
------------------------------------------
「資料科學家」之心路歷程分享：
資料科學家表面上或許光鮮亮麗，實際上每天的工作都是在像土堆跟糞坑般的骯髒資料與不斷嘗試中奮戰，大家在各種場合上看到的各種結果或圖表，背後可能都藏著許多的故事或黑幕。如果想要成為資料科學家，應該準備些什麼？
1. 早點知道什麼事情是你不想做的，比知道你想做什麼重要
成為資料科學家並不是我原先就想這麼走，而是我知道在心理系的各種標準出路中，我不想要做什麼，比方說：輔導、諮商、臨床、人資、UX, …等。所以當初在修課上，除非必修，否則不修。這樣的話，你可以有更多時間修有趣的課或是做更多有意義的事情來探索和思考你在畢業後，未來五年、十年甚至更久之後，你到底想要做什麼。
2. 會寫程式，它是一個建構虛擬世界的方法
從國中開始改寫遊戲外掛 (Lua)，高中學過一點 C++，大二開始寫 Matlab/Bash-script，研究所寫 Python，替代役時寫 html-css-javascript、Ruby，開始工作後寫 R。程式不用寫得特好，但是至少要會寫，你要能將自己的想法透過程式語言實現出來，優化效能是資工跟電機的事，除非你的程式真的跑太慢或你有興趣也很閒。
3. 別忘記你 (在心理學) 的專業
把心理學的課修好，如實驗設計、統計分析、各種專門領域(認知、發展、生心、社心)、神經科學, …等。現在可能覺得他們都只是拿來應付考試，但是在資料科學領域或是人工智慧領域中 (或甚至更多其他領域如UX、行銷)，它們將會是你最有利的武器：資料的 confounding？碰到不同資料該用哪種統計方法？每種方法的限制與看什麼指標？結果怎麼解釋？怎麼設計一個好的深度學習神經網路模型？當深度學習神經網路訓練不好時，該怎麼改善？
4. 培養溝通能力與敏銳的直覺
數據分析最重要的一環就是要先和領域專家一起了解你手上的資料，同時你也要理解廠商到底想要什麼以及幫助他們釐清他們要什麼 (不要懷疑，很多人/廠商連自己要什麼都不知道！)，過程中你會要知道哪些事情是現有的資料能做或是不能做的，這個將非常仰賴你過去的經驗與直覺，多多跑活動 (培養溝通) 或是玩玩網路上的資料比賽 (培養直覺) 都是非常有幫助的。
5. 早點了解自己，清楚你的優勢
大部分在資料科學領域的人都是統計、資工、電機等背景，你要早點認清自己的限制 (統計分析不如統計系，機器學習和程式能力不如電機與資工) 和優勢，才不會浪費太多時間做白工。
給學弟妹一句勉勵的話：
整個過程中最難的地方在於，當你不知道這件事情是否可行時，你要能證明它可行。
