作者agiwar (我就是我)
看板Soft_Job
标题[请益] 转行做资料数据分析
时间Tue Sep 5 16:08:04 2017
板上各位高手好，小弟有些问题想请教，还请大家给些经验与建议，谢谢。
先介绍我的背景好了：
目前在台北研替当中，一年後退伍。学历是113机械、112应力硕。
论文方向是使用matlab做风速资料分析，
并参考模拟软体演算法自己写出程式执行，在与实际资料做比对。
毕业後先到GG轮班，後来转调至现在公司，待退伍中。
现在工作：
当初面试进来时，公司当时需要有人从事分析风能数据的人才
这刚好与我的硕论有高度相关，因此顺利进来
但任职到现在一年多，发现其实我真正在做分析数据的业务几乎微乎其微
基本上，这间公司目前及未来的主要业务与我的背景不太相关
再加上薪资待遇很普通，所以有退伍即离职的想法。
目前我最会的应该就是python，当初用python有做一些分析风能资料
我发现我对於raw data的整理与分析，最後视觉化产生图表，这样的过程有高度的兴趣
进而想去接触机器学习等更多的理论
自己平常有上网看python教学，基本的套件与资料分析相关的模组都会操作
也有去台大资讯训练班上了两期python资料分析相关课程
现在正在coursera看林轩田老师的ML课程，自己练习写演算法（例如PLA）
偶尔上网找书自己读这样。
但...总的来说，我没有数统的背景，也没有资讯的背景
我想我的优势在於过去的学历，我有自学能力，以及目前我会的「工学院的数学」
其实板上相关文章我大致都有看过
不管是针对资料分析的人才需求，或是跨行需要承担的风险我也有考虑
也有在想是否去补习再去补一个数据科学的学历。
希望有过来人或高手，就我的学历背景经验来给我建议
是继续这样进修自学，还是直接补习去补学历，还是直接放弃资料分析这条路？
谢谢～
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.163.2.172
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1504598887.A.80E.html
1F：→ f496328mm: 为什麽放弃GG @@09/05 16:22
2F：推 subset: 上面才有一串机器学习在台湾出路讨论串09/05 16:24
放弃GG原因有很多，除了兼顾生活品质外，我认为受过前四大教育的我
毕业就去轮班实在可惜，虽然钱多，但这其中的know how仅限在tsmc
除了钱多，其他因素对长久职涯发展没有益处。
机器学习的讨论串很多，我也有看，但结论似乎皆导向：
「台湾玩不起来」「要马就去国外」「没学历都是屁」...
其实我承认自己能力没多好，但依然想知道这领域自己可以涉略多少~
3F：推 f496328mm: 推荐你先去 kaggle 玩玩看09/05 16:48
4F：→ femlro: Gg轮班才不会後悔 钱超多的。 屌打一堆同学，理工同学会没 09/05 16:50
5F：→ femlro: 在gg上班的很少听过领超过两百的09/05 16:50
6F：→ femlro: 别看不起gg轮班 只有矽谷的才能酸gg09/05 16:51
好的，我会去kaggle尝试看看。
另外femlro，我并没有瞧不起GG，他毕竟算是个很成功的企业。
离开GG只是个人选择，我也有说明虽然钱多，但其他因素不符合我的期待
坦白说，也只是想知道自己除了被绑在无尘室外，还有多少能耐
因为实在有太多案例，都是「进不去的想进去，进去了想出来却被现实绑住」
7F：→ f496328mm: 话说 GG 也有分析的部门阿09/05 16:52
8F：→ f496328mm: 越自动化的企业 越需要利用 data mining 提升效率09/05 16:53
9F：→ femlro: 有112-114 不去gg浪费那张证书09/05 16:53
10F：→ f496328mm: 况且里面 data 很多，也有在用 hadoop 存 data09/05 16:54
f496328mm：我也是最近在知道GG有资料分析的相关部门
但这一切也是在我离开设备才有机会进修资料分析
11F：推 beaprayguy: 当初我也是从GG作业科组长出来我懂你的感觉09/05 16:59
12F：→ beaprayguy: 虽然我是粪校就是了09/05 16:59
beaprayguy原来是GG前辈呀！我想只有GG人才懂其中的感受XD
一起加油～
13F：推 Morphee: 去资策会啊09/05 17:17
乡民不是说有前四大还去资策会，代表自学能力有问题= =
14F：→ femlro: 那就只好自己开一间GG了@@09/05 17:38
15F：推 asleisureto: GG年薪起码纯软2~3倍…09/05 17:43
16F：→ gilberthsu: 我不认为去资策会是浪费，有人提点入门省很多力 09/05 17:45
17F：嘘 beaprayguy: 我认为花10万上课是浪费，没有目的的学习工具干嘛09/05 17:47
18F：→ beaprayguy: 不清楚自己要学的东西模样是什麽上课有什麽意义。你会09/05 17:48
19F：→ beaprayguy: 工具後然後呢？应该是先去了解这行的课题和面对的问题09/05 17:48
20F：→ beaprayguy: 和处理的方法，在想要不要上课09/05 17:48
21F：推 Huffman: 怎麽不先去GG赚一笔 跑来相对低薪的纯软是疯了吗09/05 17:50
我是因为也没有太多钱可以去资策会，然後因为网路上资源很多可以学习，就暂且先自学
。
离开GG不能大赚一笔没错，但相反地，我也就无法有更多心力去学新东西，待在GG只是让
自己等领下一季分红的时间。倒也不见得要走纯软，有看到不少公司在主打工业4.0，不
知是否可以应用到这专业？
22F：推 drajan: 边工作边学 学习最夯工具并实际应用 建立portfolio 以上约 09/05 18:15
23F：→ drajan: 花大概一年半至两年时间 然後出国去（包括中国大陆）直接 09/05 18:15
24F：→ drajan: 去找工作，或去美国念一个CS MS。台湾最好就Appier 09/05 18:15
所以要再追求这领域的学历，出国是唯一解? 台湾的没什麽用是吗?
我不是本科出身的，要进Appier应该不可能吧@@
25F：→ y800122155: 楼上说A公司最好? 好的定义是什麽?? 钱?环境?发展?? 09/05 18:26
26F：→ ericrobin: 我是觉得你在本行赚比较实际 像楼上说的你换个方向差不 09/05 19:00
27F：→ ericrobin: 多两年 即使这样台湾这边的机会也没很多 09/05 19:00
我觉得你说的很有道理
尽管花两年时间补足这领域的专业，不见得能在台湾找到满意的工作
28F：推 drajan: 有强者，生涯发展初期首重optimize growth rate, 跟强者学 09/05 19:02
29F：→ drajan: 习 事半功倍。相反，待在充满鲁蛇的环境, 就会... 09/05 19:02
恩我也想跟强者学习，你有认识的想介绍吗XD
30F：推 beaprayguy: 资讯行业就是跳，跳一跳比GG31职等有可能 09/05 19:09
31F：→ beaprayguy: 拜托GG前面有多少人排队 09/05 19:09
32F：→ beaprayguy: 你要做多少才排你，软体深耕五年，专精某一领域，破 09/05 19:10
33F：→ beaprayguy: 两百都没问题。 09/05 19:10
34F：→ beaprayguy: 但是选的环境是否有累积能力 09/05 19:11
35F：→ beaprayguy: 看怎麽学习 09/05 19:11
36F：→ beaprayguy: 你要在开源社群做出口碑有什麽问题？ 09/05 19:14
37F：推 ckp4131025: 软体5年破200比GG5年升31难很多吧... 09/05 20:12
在我待过GG12厂那段时间，其实5年要从32升上31职等，真的没那麽简单
当时我同事甚至有做了12年才31(新人32)，有些同事学历不差，但老板机歪
真的做了3~5年了，还在原地打转，只为求每季奖金，碍於现实考量离不开GG
这些学长也很建议我想走赶快走，只能说内部黑暗现实面，只有待过的人才懂
38F：推 beaprayguy: 看你五年怎麽过啊 09/05 20:18
39F：→ beaprayguy: 有人五年每天精进。上班拼下班拼。 09/05 20:18
40F：→ beaprayguy: 台积电就算很拼，职等也能爬。你想想看精美的X大，洋 09/05 20:19
41F：→ beaprayguy: 经帮 09/05 20:19
42F：→ beaprayguy: 软体机会才多，但要选对领域 09/05 20:20
我也希望我能有机会选对领域，但目前资料科学在台湾好像有如大家所述那样不乐观
43F：推 Eos: 软体五年破200的机会有 但不在台湾 请先认知这一点 09/05 21:54
了解。
44F：推 jonathan7988: 呃 不知道有些人心态在炸裂什麽 人家选工作不全看 09/05 22:29
45F：→ jonathan7988: 钱也不行？ 09/05 22:29
真的! 钱很重要没错，但不是唯一，无耻一点未来很缺的时候再去轮班也行(误
46F：推 lukelove: 先打好cs基础吧, 接着论文阅读没问题 目前流行的方法只 09/05 22:47
47F：→ lukelove: 有尻的溜不溜的差异 09/05 22:47
打好cs基础，是再精进数学呢? 还是去接触实务的coding
48F：推 prag222: 基本上跟你说 在学校学的数学统计是要拿来用 09/05 22:56
49F：→ prag222: 我数学 从国中就不行了..... 09/05 22:56
我是完全没学过统计，是不是可以先着重在条件机率即可?
50F：推 Argos: 一句话 请好好念英文 出国吧 09/05 22:59
如果有钱，我会考虑的!
51F：推 prag222: 出国也只能去美国了 能强到跟对岸比吗......哈哈哈哈哈 09/05 23:00
52F：推 Harifucks: 最近CHT徵AI人才，有兴趣吗？ 09/05 23:02
哈 如果我有能力的话不排斥看看阿XD
53F：推 prag222: 所谓自学能力是绑英文的喔 看中文除非写得好 不然都打折 09/05 23:14
54F：推 prag222: 我前同事白天上班下班晚上看书 拚阿 可是我前主管说他贵 09/05 23:28
55F：→ prag222: 贵也是老板花钱来 做事的 09/05 23:28
英文也是可以再花时间去K起来啦，但我目前想说先把专业知识补起来
56F：推 exthrash: 实在不懂某些人非GG不可的逻辑 09/05 23:33
57F：→ exthrash: *以上是指gg轮班 不过gg其实也有在做ML的组 09/05 23:34
其实...我真的只是觉得四大机械背景就直接去轮班，让我很呕
所以想再多学东西去不同领域看看
我也是离开GG了才知道有ML部门，但若我当初没离开GG，应该也不可能可以调部门吧
58F：→ physheepy: 在台湾 真正做数据分析的职缺很少且你应该很难应徵上 09/05 23:39
59F：→ physheepy: 你自学能力不错的话 尝试做出作品出来 你会较有机会 09/05 23:41
60F：→ physheepy: 应徵较好的职缺 别看104上数据分析的职缺满地 其实大多 09/05 23:41
61F：→ physheepy: 只是粗浅的call 套装软体 薪水也不高 09/05 23:42
62F：→ physheepy: 另外我不懂"补习补数据科学的学历" 是什麽意思 如果你 09/05 23:43
63F：→ physheepy: 是想去上个半年一年甚至几星期的所谓"资料科学培训" 09/05 23:44
其实我就是担心我不是本科的，要找到工作真的很难，所以就先自学再说
可我自己知道，自学根本不能跟人家4年CS毕业的竞争
我是不清楚104上的资料科学的职缺如何
"补习补数据科学的学历"，这是指说去补资工的课，然後去考个台大数据科学所这样
64F：→ prag222: 实际上有需求 但缺现成的人才 付不起相对优渥^(++)的薪水 09/05 23:44
恩真的是普遍低薪~
65F：→ physheepy: 那对於应徵较好的职缺帮助也不大 这种补习只能教你工具 09/05 23:45
66F：→ physheepy: 而现在资料科学的工具方便到完全不值钱了 09/05 23:46
原来这些工具已不值钱了，我还以为会使用的人不多
67F：→ hmcedamon: 不懂非GG不可的逻辑+1 09/06 09:08
只能说每个人的选择不同
68F：推 doranako: 看你要钱还是一个梦想 09/06 10:02
就是要在这之中去找寻平衡罗
69F：推 stosto: 不如再去念个硕士 09/06 13:59
其实我真的有想过这问题，毕竟学历证书在业界是很重要的入场券
管他实务经验充分与否，先骗进去再说
就像我自己应力硕毕业，我也不觉得自己哪边厉害 = =
70F：→ f496328mm: ㄜ... 资料科学工具还是很值钱.... 09/06 14:27
71F：→ f496328mm: 会用的人很多 用得好的人不多 09/06 14:27
72F：→ f496328mm: 很多套件都是现成的没错 但细节更多 09/06 14:28
73F：→ f496328mm: "会用"跟"用的好" 差很多 09/06 14:30
74F：→ f496328mm: 例如你会开车 所以你觉得开赛车很简单 是一样的道理 09/06 14:30
我明白你说的这道理，我是会持续学习现有的工具，同时在补背景知识的不足
75F：嘘 XJY13: 为什麽不去GG 09/06 19:56
那XJY13大，您有去GG吗?
76F：推 noreasonkon: 原Po 背景跟我很像 我硕班做CFD 毕业後对机械本科的 09/06 19:58
77F：→ noreasonkon: 工作没啥兴趣 又不想继续念书 最後找个软体的工作开 09/06 19:58
78F：→ noreasonkon: 始慢慢练功(写web) 下班後自己爬一些资料来玩累积DM 09/06 19:58
79F：→ noreasonkon: 的能力 台湾资料分析的缺太少了 你在应力所念的高等 09/06 19:58
80F：→ noreasonkon: 工数或是周舍的数值分析跟ML几乎完全没相关 根本无法 09/06 19:58
81F：→ noreasonkon: 和本科系的人竞争 如果要转行的话 建议要有砍掉重练 09/06 19:58
82F：→ noreasonkon: 的觉悟 09/06 19:58
站内信跟您请教问题~
83F：→ askia: 台湾现在有很多公司想跟风做这一块，但是说真的有制度、 09/06 20:07
84F：→ askia: 有足够资料做这块的公司非常少。104上面的缺很多，但是说 09/06 20:07
85F：→ askia: 真的，没有几个是值得去的。而真正值得去的多半要本科、有 09/06 20:08
86F：→ askia: 论文发表的 09/06 20:08
87F：→ askia: 一个简单的道理：除非你是超级天才，否则你花一个月学会的 09/06 20:09
88F：→ askia: 东西，大部分的人也可以花一个月（不到）学会 09/06 20:09
我清楚知道自己的本事在哪，更了解高手那麽多，我会的大家一定都会
但我不确定104上面的缺是不是都很不值得，因为坦白说现在的我连能去哪都不知道
只能先继续充实自己，直到停损点发生吧
89F：推 exthrash: 软体一堆领域都有套件 又不是只有ML 09/06 23:42
90F：→ exthrash: 讲得很像在其他领域 工程师都是start from scratch一样 09/06 23:43
91F：推 pieya: 我记得coursera还是edx上最近有香槟大的数据分析相关远端 09/07 00:54
92F：→ pieya: 学位可以念，不用出国，花费也较少。你可以参考看看。 09/07 00:54
93F：→ pieya: 至於方向…我是觉得任何专业你总要找个领域去提升。而做不 09/07 00:57
94F：→ pieya: 做得到跟未来有多少机会其实常常是没人能给你足够确定的答 09/07 00:57
95F：→ pieya: 案。 09/07 00:57
谢谢pieya给的建议，coursera上确实有资料科学相关的学位
「找个领域先提升自己」
是不是其实就是先从资料黑手起家，待独当一面後再去选择更好的?
96F：推 lukelove: coursera线上课程, 数学推导部份大概只需要 微积分线代 09/07 01:14
97F：→ lukelove: 机率, 大概就可以听懂个八九成, 真的不会对岸直觉解释的 09/07 01:15
98F：→ lukelove: 文章很多 09/07 01:15
99F：→ lukelove: 不过上完课/写作业是一回事, 比赛又是一回事 09/07 01:18
微积分线代没什麽问题，大概就需要去补条件机率的部分吧
当然我知道比赛的层级不能跟修课来做比较
100F：推 tloy1966: 最好当然是去gg的ML team 09/07 04:24
101F：推 tloy1966: 机率必须 统计应该是非必须 09/07 04:26
102F：推 tloy1966: 不过会建议用假日当兴趣学习，累积到一个程度再跳 09/07 04:28
103F：推 tloy1966: 你的70%时间可能都在理解资料，整理资料 09/07 04:30
问个问题，如果未来我准备好有能力的话
我都从GG设备离开了，还有机会再进GG的ML team吗XD?
※ 编辑: agiwar (118.163.2.82), 09/07/2017 11:28:46
104F：推 popcool: 我112机械硕毕，软韧的工作年资加起来有3年多，自学对我 09/07 14:13
105F：→ popcool: 来说根本小事，但还是去资测会学完ios，为何有能力自学 09/07 14:13
106F：→ popcool: 还要去资测会，因为效率啊！与其下班回家累的要死还自学 09/07 14:13
107F：→ popcool: ，不如全职有系统有人教，毕竟快30了，对我来说自学转职 09/07 14:13
108F：→ popcool: 的时间成本远远大於那八万元的学费，对我来说时间无价啊 09/07 14:13
109F：→ popcool: ！ 09/07 14:13
110F：→ beaprayguy: 喔，冒出好多112喔 09/07 21:49
111F：→ beaprayguy: 八万块省下来自学不是一样？讲干话？112？ 09/07 21:49
112F：推 tseng40: 一直推GG的ML team的人真的有在里面待过吗....别误导人 09/07 22:40
113F：→ bestchiao: 台积ml team一直是个很神秘的存在 哈哈 09/07 23:34
114F：推 jammy50605: 我也放弃GG 09/08 00:03
115F：推 popcool: 干话?时间成本大於学费这句话很难懂?下班自学花ㄧ年转职 09/08 01:41
116F：→ popcool: 跟全职学4.5个月後转职，时间跟效率差很多，8万+4.5个月 09/08 01:41
117F：→ popcool: 薪水顶多就6个月薪，买7.5个月的时间+学习紮实度，我认 09/08 01:41
118F：→ popcool: 为值得，算了讲再多也有人看不懂还硬要酸 09/08 01:41
119F：推 popcool: 再用另一个算法，上课时数抓300小时好了，自学能力强时 09/08 02:00
120F：→ popcool: 数打6折抓180小时，每天很认真下班学2小时=90天=三个月， 09/08 02:00
121F：→ popcool: 然後找工作的时候跟老板说我每天下班自学持续三个月，跟 09/08 02:00
122F：→ popcool: 我全职受训4.5个月哪个比较有说服力?看作品吗，不管哪种 09/08 02:00
123F：→ popcool: 学习方式我是都不相信junior能写出多屌的作品啦 09/08 02:00
124F：→ beaprayguy: 喔 资策会好棒棒，拍谢 我第一关刷履历上写资策会， 09/08 07:33
125F：→ beaprayguy: 我补习班。你去看业界多少人刷掉，还是你面试不够多？ 09/08 07:33
126F：→ beaprayguy: 去社群不够久？没和其他公司人聊天，他们需要的工程师 09/08 07:33
127F：→ beaprayguy: 特质是什麽 09/08 07:33
128F：→ beaprayguy: 我需要一个填鸭式教育的工程师吗？资策会方式适合启发 09/08 07:34
129F：→ beaprayguy: 学生思考？ 09/08 07:34
130F：→ beaprayguy: 正确答案填进去，遇到变化题就死掉解不出来 09/08 07:35
131F：推 popcool: 照你的说法是否适合当软体工程很大是取决於个人特质，这 09/08 08:46
132F：→ popcool: 我认同然後我发现我们的看法并不抵触，只是根本在说的是 09/08 08:46
133F：→ popcool: 两件事情。并不是说资策会多棒棒，上课或自学版上讨论过 09/08 08:46
134F：→ popcool: 太多，我只是提供依我的学经历选择去上稞的原因跟分析方 09/08 08:46
135F：→ popcool: 式，你要质疑我是不是112或在讲干话随便你吧，我懒的再回 09/08 08:46
136F：→ popcool: 了 09/08 08:46
137F：推 Morphee: 112随便都捞的到公司吧 边赚边练功才是最佳解，还是现在 09/08 13:40
138F：→ Morphee: 少子化影响太大了？ 09/08 13:40
139F：推 Morphee: 资策会上到後来也是老师key code 学生照key 没有哪麽神 09/08 13:42
140F：→ Morphee: 啦 09/08 13:42
141F：→ Morphee: 买本大陆书里面一堆 sample code 09/08 13:42
142F：→ seaf: 该讲一个资策会收钱霸凌学生跟结业後只有三人有工作的故事？ 09/08 16:57
143F：→ seaf: 目前国外很多线上课程都有开资料分析的课，比资策会有用 09/08 16:59
※ 编辑: agiwar (182.235.182.56), 09/10/2017 12:36:48
144F：→ Argos: 我倒觉得这跟资策会没啥关系 资策会可能收20个人只有3人成 09/10 15:19
145F：→ Argos: 功找到工作 会去看线上课程大概100才出1个能找工作的吧 09/10 15:19
146F：→ Argos: 重点是 不是走什麽途径 是自己有没有心啊 09/10 15:20
147F：→ pieya: 说是「选择更好」感觉满奇怪的…不过我想就是你理解的那样 09/10 15:59
148F：推 Hornet7: Coursera还是Edx的修课完成率记得好像才5%~10% 09/11 21:59
149F：→ Hornet7: 由此可窥见有多少人有足够心力学习一项新技能 09/11 22:01
150F：→ Hornet7: 资策会\补习班那麽贵，花大钱了再放弃多可惜 09/11 22:02
151F：→ Hornet7: 其他线上课程像是Udemy，大部分都水水水，隔靴搔痒教个 09/11 22:06
152F：→ Hornet7: 皮毛一两个小时没作业没考试也算修过课还有证书 超级水 09/11 22:06
153F：→ Hornet7: 这种线上课修了很难找工作一点都不意外 09/11 22:07
154F：→ Hornet7: 不过听说有人去抄Udemy里的范例 建个音乐平台就拿高薪惹 09/11 22:09
155F：→ Hornet7: 没踮踮自己斤两前别跟风学什麽很炫的AI,ML,大部分都找不 09/11 22:11
156F：→ Hornet7: 到对应的工作啦，找到工作进到公司有机会去用再去研究 09/11 22:13
157F：→ ZhuBeiCity: 某f观念真夸张..什麽叫112-114不到gg浪费？ 09/14 23:39