復盤 + 課後加強｜專題手冊 — Data Dreamers 練功房

復盤是把「我做了一個專題」轉成「我學到了 X」的關鍵動作。沒做的話，過了兩個月你會發現自己只記得「做過」，但講不出來具體學到什麼。

Sprint Retro（optional — 進階小組才用）

⚠️ 預設不做 sprint retro。02 章採 Scrumban，每 sprint 只做 Planning + Review。反省濃縮成學期末的 final retro（往下看）即可。以下模板是給「想做更深反省」的進階組別參考。

KPT 模板（最常用，20-30 分鐘）

# Sprint N Retro - 2026-MM-DD

## Keep（繼續做）
- 每天 standup 維持得不錯，沒人神隱
- 用 PR template 後 review 速度變快

## Problem（要解決）
- Airflow 排程在週末停了沒人發現 → 缺監控
- 三個人同時改 schema 出 conflict

## Try（下週試試）
- 加 GitHub Actions 每天跑健康檢查 + Discord 通知
- Schema 改動必須先開 issue 討論再動工

4Ls 模板（適合大里程碑 / final retro）

## Liked（喜歡的）
## Learned（學到的）
## Lacked（不足的）
## Longed for（希望有的）

Sailboat 模板（適合需要視覺化）

🏝 目標：穩定的每日資料更新

⬆️ 風（推進的力量）：
  - Airflow 自動排程
  - 組員技能互補

⚓ 錨（拖累的力量）：
  - 沒人做 documentation
  - Code review 卡 2 天

🦈 鯊魚（風險）：
  - 雲端額度快用完
  - 期末週兩個人有別的考試

🪨 暗礁（過去的坑）：
  - 第 3 週浪費 2 天設定 docker 環境

Final Retro（專題結束後 1 週做）

不是 sprint retro 的延伸，是更深的反思。建議組內每人先寫，再合併。

個人 final retro 模板

# 我的專題復盤 - {你的名字}

## 1. 我學到的 3 件最有價值的事
（不要寫工具名 — 寫思維 / 流程 / 心法）
1.
2.
3.

## 2. 我做得最好的 1 件事

## 3. 如果重來，我會改的 3 件事
1.
2.
3.

## 4. 我下次想加強的技能（具體、可量化）
- [ ] 在 X 時間前學會 Y
- [ ] 加入某社群 / 看完某書 / 完成某課程

## 5. 給組員的 feedback（每人 1 條）
- @組員A：你的 X 很強 / 你可以加強 Y
- ...

## 6. 給未來自己的話
（一封寫給「3 個月後的自己」的信）

小組 final retro

集合所有人個人 retro 後一起做：

共識 — 我們認同的 3 件事
分歧 — 我們看法不同的事（不要試圖統一，保留多元視角）
總教訓 — 一句話送給下一屆學員

課後加強路徑

專題結束不是終點。這時候你會發現「能講」和「能拓展」是兩件事。

第 1 個月：把專題變成「履歷代表作」

Week 1：repo 重整

README 重寫（用 05 業界協作 SOP 的元素清單）
加上 GIF demo（用 Kap 錄 20 秒）
把 commit message 全部審一次，太爛的 squash
加 LICENSE（MIT 最簡單）

Week 2：架構圖補齊

用 draw.io 重畫一張高品質架構圖
補 docs/architecture-decisions.md：為什麼選 A 不選 B（ADR 格式）
補 docs/lessons-learned.md：踩過的 5 個坑

Week 3：寫 1 篇 blog post

題目建議：「我做 X 專題踩過的 N 個坑」
發 Medium / DEV / 自己的 Blog
在 LinkedIn / Threads 分享

Week 4：影片化

錄一支 5-10 分鐘 demo 影片（用業務版講稿）
上 YouTube unlisted（不公開但可分享連結）
履歷 / LinkedIn 內嵌

第 2-3 個月：技術深化（選 1-2 個方向）

方向	推薦資源	目標
dbt + BigQuery 維度建模	dbt fundamentals course	把你的專案 Process 層重寫成 dbt
Streaming（Kafka / Pub/Sub）	Confluent dev courses	加一條即時管線
MLOps / ML pipeline	MLOps Zoomcamp（DataTalksClub）	把模型 production 化
Cloud 認證	GCP Pro Data Engineer / AWS DA	履歷加分
LLM Engineering	DeepLearning.AI short courses	加 RAG / Agent 在你的專案

第 4-6 個月：拓展應用

選 1 個方向：

A. 把專題擴展成 SaaS

找 5 個朋友當試用
收 $99 一年（驗證有沒有人付）
學商業面（不是技術面）

B. Open source 化

把核心部分抽成 package
上 PyPI
寫貢獻 guide

C. 加入 OSS 社群

從 Apache Airflow / dbt / Great Expectations 挑一個
從「good first issue」開始
半年內成為 contributor

「面試怎麼講」3 種版本

5 秒版（電梯 / 自介）

「我做了一個 [情境]，從 [來源] 抓資料，每天自動跑出 [產出]。」

例：「我做了一個音樂推薦系統，從 Spotify API 抓 50 萬筆聽歌紀錄，每天自動跑出個人化新歌清單。」

30 秒版（履歷自介段、HR phone screen）

[痛點 5 秒] 現在 X 要花 Y 時間/錢
[方案 10 秒] 我做了一個 [系統]，做了 A、B、C 三件事
[影響 10 秒] 結果是 D 提升 X%，組員 N 個人花了 N 個月
[技術棧 5 秒] 用了 X / Y / Z

5 分鐘版（技術面深聊）

跟著 03 階段流程的 demo 結構走，但減掉前後段，留：

問題 30 秒
架構 + 選型 90 秒：為什麼選 A 不選 B
demo 90 秒
踩過的 2 個坑 60 秒：技術面試官最愛
未來 30 秒

履歷怎麼放

範例（DE 履歷的「專案」欄位）

🚀 餐飲多門市庫存優化儀表板 (2026/03 - 2026/05)
   GitHub: github.com/dex/restaurant-pos-pipeline  |  Live demo: ...

   - 主導 3 人組「資料工程養成班」期末專題，從 Kaggle Restaurant Orders +
     UCI Retail 兩個資料源建立端到端 pipeline
   - 架構：Python ingest → MySQL → Airflow（每日 6am）→ Streamlit
   - 實作補貨建議演算法，依據 7 日滑動平均 + 銷售趨勢，預測庫存到底日
   - 加入 dbt tests + Discord webhook，pipeline 失敗 5 分鐘內收到通知
   - 完整 PR review 流程、文件齊全、組員 25 個 PR 全部 reviewed merged

✅ 動詞開頭 ✅ 有數字 ✅ 有具體技術 ✅ 連結可驗證

❌ 不要寫：「使用 Python 完成了一個專案」「學習了很多」「跟組員合作」

你 6 個月後的樣子

如果照這份路徑走，半年後你會：

✅ 有 1 個能放履歷的高品質 repo
✅ 有 1 篇技術 blog post
✅ 有 1 支 demo 影片
✅ 在 1-2 個技術方向有更深的內功
✅ 在 1 個 OSS / SaaS / 社群有實際參與
✅ 面試講你的專案能輕鬆切換 5 秒 / 30 秒 / 5 分鐘 3 種版本

這是業界 senior 看你的差距 — 不是工具，是這份累積。

🎯 小作業：寫專題 final retro

學期末 demo 結束後 1 週內，組內每人先寫個人 final retro，再合併小組 retro。

每人用「個人 final retro 模板」寫一份（6 個小題）
全組 sync 一次（90 分鐘），整理出：
- 共識 3 件事 / 分歧 2-3 件事 / 一句總教訓
存到 repo 的 docs/retro/final.md commit
各人把「下次想加強的技能」寫進個人 portfolio 的「課後加強」段

交付：PR 連結貼到指定 channel。

💡 寫「都很好」「都很順」= 沒做 retro，誠實才有用。進階組別可以加做 sprint retro（往上看「optional」段）— 但預設只做這份 final retro。

下一步：07 Demo Day 評分表 →

06 復盤 + 課後加強路徑