研究實習生

• 清理與整理約 3000 筆複合式資料，確保資料品質以及適合後續的分析。
• 使用SBERT（Sentence-BERT）模型向量化文本，使其更易於進行相關的量化分析。
• 利用 Gephi、Excel、Python 處理約 3000 筆資料建立課程圖譜，透過視覺化工具找出不同課程與系所的連結程度。

研究實習生

2022/09 ~ 2023/01

• 在校務研究中心運用文本處理技術，從各種校園相關資料源中擷取、清理和整理約 3000 筆複合式資料，確保資料品質以及適合後續的分析。
• 使用 SBERT（Sentence-BERT）模型來進行文本向量化。這有助於將課程資訊轉換為數值表示，使其更易於進行相關的量化分析。
• 使用分群分析技術將相似的課程和系所進行分組，從而更好地理解校園內不同領域的關聯性。
• 使用Gephi 可視化工具將分析結果轉化為易於理解的圖形和報告，幫助校務研究中心更好地理解和傳達研究結果。