※ 引述《a020977 (That's Life)》之铭言： : 我想要就过来人的经验提供一点不同的看法, 文笔不是很好但是还是很想提共一些想法 : 首先Business Intelligence/Business Analytics/Data Science : 这些其实差不多都是一样的东西,很多学校或是job title用不一样的称呼但是其实 : 学的/需要的都是差不多的东西 : Data Mining大概又分一些不同的approach, 就像上一篇作者提到的传统统计和CS : 派, 不管哪派在这个领域里面你都会听到很多linear regression/clustering : /classification这类的名词,有兴趣的人可以google一下,看看predictive analysis : 到底在干嘛 : 最後我想说的是, 大学生在快毕业的时候对想像中的研究所应该学到什麽会有一种想 : 法, 但是研究所毕业之後工作再回来看又会觉得有些地方应该要修正, 我在念研究所的时 : 候也以为毕业之後可以做一些predictive analysis的工作,真正开始工作之後才发现一般 : B-school教的predictive analysis还是太浅,只能算是皮毛而已,工作上这些真的在做 : modeling的同事大多都是统计或是数学背景的,我自己在这个Team上面做的事情 : 比较是用SQL帮Finance或其他单位的人拉一些特殊的report,还有Data Visualization, : 但是在这个BI 3.0的时代个人认为predictive analysis才能真的算是data science的精随 : , 建议一些还在research学校的同学们可以跨一步先去看一下一些求职网站,关键字用 : data analyst/BI Analyst/Data Scientist/Data Engineer 之类的,看看这些工作的需求 : 是什麽,再倒回来想想你需要的是什麽 从工作需求去选学程很有道理, 敝人依照这个想法提供一些资讯 工作的职位需求 http://www.kdnuggets.com/jobs/index.html 美洲学程 http://www.kdnuggets.com/education/usa-canada.html 欧洲学程 http://www.kdnuggets.com/education/europe.html 连结里面也有其他洲的的资讯 自己的印象, 软体来分的话 Apache系列技能的需求还是最多, 然後Microsoft、SAP...等等 广义来看就 统计、机器学习、Hadoop、R、还有domain knowledge domain knowledge也还蛮重要, 有个可能也不算很有代表性的例子 前阵子某公司开职缺是世界盃足球的资料分析 其中一个职缺要求是--足球狂热者 不懂足球建模型的速度会慢一些, 是可以预见的 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 218.173.180.145 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/studyabroad/M.1409130398.A.227.html