比起"分析一份数据"，我更喜欢"做一个能跑起来的东西"。 课余时间基本在做三件事：写小工具、折腾前端交互、琢磨数据怎么变成有用的东西。 做过的东西都不大，但每一个都是完整能用的——不是课程作业式的半成品。
一个在数据和代码之间来回折腾的本科生。兴趣一直比专业边界宽一点。
专业是数据科学与大数据技术，但这个专业最有意思的地方在于——它给了我处理数据的能力， 却没有限制我只能做数据。我把这份能力用在了做产品上：爬数据、清洗、可视化、做成能交互的页面。
我的三个项目都是"自己想用，所以就做了"的产物。想练打字就写了盲打练习站， 想知道今天该看什么电影就爬了豆瓣 Top250，想搞明白德州扑克的胜率怎么算就写了个模拟器。 这种"从自身需求出发"的方式，让我对每个项目都有持续迭代的动力。
技术上我偏爱零依赖、单文件、双击就能跑的方案。这不是偷懒， 而是一种设计约束——它逼我把精力放在真正影响体验的地方，而不是配置和打包上。
想和你分享：我的第一个项目能跑起来但代码是一坨， 第二个开始注意结构拆分，第三个开始考虑无障碍（色盲友好配色、键盘导航）。 这个转变比学会任何框架都重要。
下面是我的自评，不是考试分数——重点是知道自己在哪、还差什么。
三个都已上线，点开即可体验，不需要任何安装。
我自己想练盲打，就先造了个工具。从标准指法图谱到自适应难度，全部自己实现。
按当前温度和天气，从豆瓣 Top250 里推荐一部电影——一个把爬虫、数据清洗、前端动效串起来的完整小项目。
课内打底，课外动手。真正让我长进的是那些没人逼我做的部分。
从"会写 SELECT"到理解索引原理、事务与范式设计，第一次意识到查询计划会决定性能上限。
手写实现而非调用库，复杂度分析从此成为写代码前的本能。
撞上反爬、编码、字段缺失一堆问题。处理脏数据的手感，是课堂上练不出来的。
组件拆分、状态管理、localStorage 数据层、响应式与无障碍适配——第一次完整走完一个产品的生命周期。
牌型判定的边界情况（A-5 轮子顺子、边池结算）逼我养成了写测试的习惯。
Git 分支管理、Issue 驱动开发、README 技术写作——把项目"交付出去"本身就是一门学问。
诚实地列一遍：会什么、想往哪走、最该补什么。
前端与数据处理是我的两条长边，这来自三个项目的反复打磨。 后端工程和 ML / AI 是明显的短板——也正好是接下来三年要补的方向。
主线：考研深造。下面是为什么这么选，以及怎么拆。
备选路径：若结果不理想，会先进入数据开发 / 后端开发岗位积累工程经验，同时保留二战或在职读研的弹性。 规划留了退路，但不会把它当成偷懒的借口。
三年后，我希望自己在一个具体的数据方向上有自己的判断力，
读得懂论文、写得出工业级代码，手里有两三个拿得出手的完整项目，而不是一堆半成品。
并且——还没丢掉"想到什么就做出来"的那股劲。
如果也在准备考研，或者想一起做点东西，欢迎来聊。