作者SFMAndroid (安卓发送)
看板Soft_Job
标题Re: [请益] 资料科学与网页後端领域的选择
时间Sat Sep 21 01:18:56 2019
※ 引述《b10130402C (Klay射手)》之铭言：
: 版上大大们好，如题，想请教各位的意见以及徵询大家的看法，谢谢。
: 目前为自学 Python 两个月半，从最基本的能力回圈、def、class等观念重新学起，学会技能列点表示：
: 1. 程式基本观念活用 ( 回圈 、阵列、 python 中的 class 类观念、Dict 使用 、 csv.DictRead & DictWriter 使用、tkinter 按照课程操作一遍)
: 都是跟着 Coursera 学习，皆可完成课程作业。
: 2. Python 中的 Modules ( Numpy ， Pandas DataFrame , Matplotlib 画图操作 ) 莫凡影片加上第三点的 Side Project 会频繁复习 1 & 2
: 3. 爬虫技巧 ( request , BeautifulSoup , Selenium webdriver 等操作 ) 有自己写出两个小小的 Side Project ( 爬 2019 电影版好雷的电影 & 爬简单股市
: 存进 SQLite 练习操作资料库)
: 4. Django MTV 系统练习，已成功作出小部落格跟 To-do-list ，也练习 heroku 上传成功
: 5. 因为对资料科学有兴趣，统计还算过得去，但是管院没修过线代，重修李宏毅老师的线代跟买书了解机器学习概念
: 未来会花时间学习「资料结构」与「演算法」跟开始作 LeetCode ，自己对於网页後端跟资料科学都很感兴趣，自学两个月还蛮开心每天都有进步。
: 後续要找工作，时间压缩情况下，势必只能往一个领域的技能树点。
: 资料科学领域：发现要找资料分析工程师或是机器学习相关的工作，还没办法实战 ( 还没打过 Kaggle )，普遍好像对於学历都蛮要求要博士或是工作经验3年以上，对於这块领域在业界的趋势也不是很了解，如果求职此方面工作是否需要作品集？ 想请教此领域在业界新鲜人的能力要求或是发展？
: 网页後端领域： Django 後发现作网页蛮好玩的，但我的致命缺点为前端能力 ( HTML 、 CSS 、 Javascript )完全没有，HTML 只知道是标签组成，写网页也是硬挤出来，後续往此领域势必要将前端的洞补起来，有摸过 MySQL 跟 SQLite 作前後端串联，想请问各位大大後端工程师相对於前端能呈现的作品集大致上呈现为何？ 对於网页後端的发展我的看法为比起资料科学相对成熟，也想听听看大大对於後端工程师的看法。
: 谢谢各位花时间看完，因为真的有点迷惘，所以跑上来询问，有任何建议或批评也可以直接点出，非常谢谢你们！！
统计转後端的来说一下心得
之前分别做过一个Data Analyst和一个Data Scientist的实习
全职後端大概2年
现在在念资工硕班
------
说一下我理解的几个不同职位的差别与技能
如果有错误欢迎指正，
但我可能不会回，最近太忙了......
Data Analyst
技能: R, Python, SQL, Hadoop(较少), SAS, SPSS(较少), Tableau
知识:
说人话, 精美报告, 叙述统计, 基本建模, 问卷设计(较少), 资料处理,
资料视觉化(重要)
Data Scientist
技能: R, Python(主要), SQL, NoSQL, Hadoop(较少), SAS(较少), SPSS(较少)
知识: 高阶演算法(主要)、专业报告, 一堆paper(重要), ML, NN, DL, EL, 爬虫(较少), 资料处理,
超难建模, 依领域(Signal processing, image processing, NLP, etc.),
作业系统, 平行系统, GPU运算, 计算机网路, ...
Data Engineer
技能: 同Data Scientist
知识: 进阶演算法(重要)、跟Data Scientist混熟, ML, 爬虫(主要), 资料处理(主要),
作业系统(重要), 平行系统(重要), 云端运算(重要),
GPU运算(重要), 计算机网路(重要), ...
NOTE: 以上三种我相信是大多数人容易混淆的，
但事实上业界也没分这麽细，
多得是徵Data Scientist做Analyst甚至是DBA事情的公司，
反之亦然，请在面试时就问清楚，
除非是国际型大公司。
Backend Engineer
技能: Java(Spring), Python(Django), JS(Node), Ruby(RoR), php(Laravel),
SQL, NoSQL, AWS, Version Control Tools(主要)
知识(主要): 资料库设计、软体工程、Scrum, DevOps, 作业系统、计算机网路、
物件导向设计、资料结构, 计算机组织/结构、
依领域(Web: JWT, Session Mgmt., Optimization, Load Balancing, ...)
演算法(普通), 设计模式(普通), 云端储存, RESTful APIs
Frontend Engineer
技能: 前端三大框架(React(FB), Vue(Evan You), Angular(Google))(主要),
HTML5/CSS3(主要), Sass(普通), JavaScript(主要), ...
知识: 切版(重要), 和UI/UX合作良好(主要), 软体工程, Scrum, DevOps,
浏览器引擎(普通), Optimization, 设计模式(普通), ...
Data Analyst
通常会直接support行销/决策团队/老板/客户，
根据分析结果提供他们意见，
所以
说人话非常重要，
不然事後绝被老板当爆，
当然精美的PPT也是不可少的。
Data Scientist
极度研究导向，
通常都是在公司的研究团队里开发，跟paper为伍，
我觉得没有博士根本做不起来，
恕我才疏学浅无法评论，总之都是神人等级的。
但基本上完全
不会参与决策过程，
也不太需要跟客户社交，
简报就是很专业，不用迎合平民百姓。
Data Engineer
主要support Data Scientist，
毕竟DS都把精力花在研究模型上了，
资料处理这种活当然是给Engineer做，
所以DE主要就是负责把Data来源、品质处理好，
还有把运算环境等搞好让DS方便作业，
不要动不动就跑到系统crash。
当然台湾有些会把Data Engineer和Data Scientist的职责绑一起，
我是觉得这样会把人累死......
还剩下前/後/全端没讲，但PTT真的太难编辑了，
加上我离伺服器太远，文章打起来好顿...就先这样吧。
希望能让一些想转行的、想了解的有收获，
有些typo或不通顺的地方还请包涵，
感谢各位～
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 71.234.178.193 (美国)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1568999938.A.30F.html
※ 编辑: SFMAndroid (71.234.178.193 美国), 09/21/2019 01:21:59
※ 编辑: SFMAndroid (71.234.178.193 美国), 09/21/2019 01:27:02
※ 编辑: SFMAndroid (71.234.178.193 美国), 09/21/2019 01:32:24
1F：→ fyc22122: Data scientist绝对很多都要兼你讲的Data Analyst 尤其 09/21 01:47
2F：→ fyc22122: 一些非lab跟非科技业的 09/21 01:47
3F：→ fyc22122: 而且senior data scientist 很多也是要带领团队跟专案 09/21 01:49
4F：推 BignoZe: 好文 推 09/21 02:10
5F：推 backprog: 相当清楚推 09/21 02:15
6F：推 fishstay: 好文推 09/21 02:34
7F：推 Saaski: push 09/21 03:27
8F：推 chocopie: 推 09/21 03:41
9F：推 olycats: 本身做资料分析/资料工程各半 写得不错推推 09/21 03:55
10F：推 rainingmoon: 好文推 09/21 03:58
11F：→ DrTech: 这叫好文？。资料科学家真的被乱用了 09/21 07:58
12F：→ DrTech: 不太需要跟业务打交道？那间公司阿 09/21 07:59
13F：→ DrTech: 只搞技术怎麽做资料科学家呢 09/21 08:00
14F：→ DrTech: 离开业务的资料科学，或建模怎麽做？ 09/21 08:05
15F：→ DrTech: 真正工作时，又有多少时间在写程式或训练模型呢？ 09/21 08:10
16F：→ Murasaki0110: 算了啦，这边不是刚毕业就是只需要default model的 09/21 08:26
17F：→ Murasaki0110: 公司 09/21 08:26
18F：推 pk790127: 好文推推 09/21 08:31
19F：推 vincentman: 还不错的文，推一个 09/21 08:54
20F：推 sxy67230: DS不只在台湾，在国外除非像google 这些巨头公司，要不 09/21 08:56
21F：→ sxy67230: 然其实做的工作一样很杂，分析报告、研究新模型、甚至 09/21 08:56
22F：→ sxy67230: 到後端架构、业务面向其实都会包到的。薪资差距也极高， 09/21 08:56
23F：→ sxy67230: 强者就是越来越高，普通人就只能往另一边靠拢。 09/21 08:56
24F：推 sxy67230: 能进去巨头的DS也是万中选一的人才，当然挑战也很高 09/21 08:58
25F：→ SFMAndroid: 抱歉 DS的样本只有2个 一个G一个MS 09/21 09:22
26F：→ SFMAndroid: 我自己以前做DS也是全包 09/21 09:23
27F：→ SFMAndroid: 所以我觉得很多公司的DS都不是DS 09/21 09:23
28F：→ SFMAndroid: 所以後来就放弃DS了XDD 09/21 09:24
29F：推 gbd37: 写得不错 某楼就别气了 本来大家对DS的认知不一 09/21 09:54
30F：推 loveu8: 推!!~ 09/21 10:26
31F：推 b10130402C: 谢谢S大花时间回一篇文告诉我业界资料科学的状况，真 09/21 10:58
32F：→ b10130402C: 的很感谢你，含金量很高，可以帮助我们多了解DS这块领 09/21 10:58
33F：→ b10130402C: 域，我先把这篇收藏起来 09/21 10:58
34F：→ b10130402C: 不过 Data analyst跟我想像差异最大，感觉被当作业务 09/21 11:00
35F：→ b10130402C: 使用 09/21 11:00
36F：→ Hsins: DA 很多缺是开给社科院的 09/21 11:32
37F：推 PoloHuang: 受用了 09/21 11:34
38F：推 mirror0227: 好文推 09/21 12:39
39F：→ joejoe14758: 业界不一定是这样啦 至少台湾和美国还是有落差的 09/21 12:40
40F：推 zero11995: 推 09/21 12:44
41F：推 judge1226: 推，虽然我觉得台湾真的是混用了QQ 09/21 13:52
42F：推 cougarboy: 推 09/21 14:43
43F：→ netburst: 切版应设计师切吧 09/21 15:06
44F：→ netburst: 应该说介於前端工程<>设计师 09/21 15:06
45F：→ wilson85771: 台湾纯研究的 DS 缺真的太少了，不要过度美化 DS 工 09/21 15:35
46F：→ wilson85771: 作 09/21 15:35
47F：推 g5637128: 推，希望之後有空的话能再讲讲前/後/全端的部份 09/21 19:16
48F：推 yupog2003: 推整理清楚 09/21 20:56
49F：推 a2768387: 推推 09/21 20:59
50F：推 pipisn1024: 超详细 推推 09/21 22:18
51F：推 Csongs: 是不是有重复啊@@ 09/22 12:34
52F：→ Csongs: 但还是详细给推 09/22 12:35
53F：推 kuantingyu: 对於想踏进这领域的新手 很大的帮助 感谢 09/22 17:31
54F：推 casd82: 感觉超多人想做DS 09/22 21:04
55F：→ lukelove: 事实上看到的DS就是点不同技能的BE, leetcode刷一刷 09/23 00:10
56F：→ lukelove: 问你尻过什麽套件, 怎麽建product, etc 09/23 00:10
57F：→ lukelove: 由於最靠近产品, 动不动要你从头追root cause追到尾 09/23 00:11
58F：推 w60904max: 台湾很多DS就只是後端 call的API变sklearn或keras XD 09/23 01:22
59F：推 ruokcnn: 在台湾挂DS的没想像中那麽神 09/24 00:41
60F：推 louner: 泪推把人累死那段 台湾就是丢一个问题 要你全包资料蒐集 09/24 12:30
61F：→ louner: 清理 设计feature 跑model 开发部署跟维运 同时还要你做其 09/24 12:30
62F：→ louner: 他backend的事 干 09/24 12:31
63F：推 sxy67230: 其实这反应了一个现象，业界经理人对DS领域的了解不够深 09/24 18:39
64F：→ sxy67230: 。光是看到演讲某些企业经理人拿套件出来讲讲干话就知道 09/24 18:39
65F：→ sxy67230: 了。我还看过拿三个分类，3000笔数据的量来说自己效果屌 09/24 18:39
66F：→ sxy67230: 打一条街的，还有一堆在吹嘘的大概就知道程度在哪边了。 09/24 18:39
67F：→ sxy67230: 很多企业就是拿有深度学习的技术椪风，套套模板就说自己 09/24 18:39
68F：→ sxy67230: 有技术的那种程度。 09/24 18:39
69F：→ Hsins: 我也见过拿 SAS 跑一跑就说自己大数据，洋洋得意说只要汇入 09/25 09:23
70F：→ Hsins: 资料就好的。 09/25 09:23
71F：推 aaa12478: 收藏 09/27 10:50
72F：推 pig22022: 主要还是看team的组成，根据某在台美商现况，DS除了trai 09/27 17:41
73F：→ pig22022: n model和写pipeline外，要跟pm和BE依照业务需求调整和 09/27 17:41
74F：→ pig22022: 做系统整合。通常science team也不是人人做research，会 09/27 17:41
75F：→ pig22022: 有部分的人处理BE和pipeline的整合。 09/27 17:41