※ 引述《s00771book (320)》之銘言： : 想問問前輩們 : 目前小妹的工作只是個 : 用BI cognos 拉資料做數據分析的助理 : 再用Excel樞紐分析 寫寫函數 : 做報告給主管看的工作 : 薪水少之又少 也不算是一技之長 : 根本不足以與大數據相提並論 : 目前嚮往大數據工作的方向 : (也是很有未來的工作 大陸已經很成熟了) : 查看了104人力銀行 : 大數據分析工作需要的條件: : MS SQL 資料探勘 R語言 Hedoop : 所以我去巨匠諮詢了一下 : 課程規劃師說要學 MCSA MCSE : 再考微軟證照70-461.462.463.464.465 : 才算是完全學會這套軟體 : 和證明給面試官看 : 但是學費竟然快要十萬 : 想請問有在做這方面工作的朋友們 : 真的值得花這筆錢嗎？ : P.S.我只是個國立科大 企管+金融的學士而已 : 沒有漂亮的學歷 只能學一技之長補足自己 : 也不是資工 資管的科系的 : 希望前輩們能給我建議 謝謝你們>////< 如果要走數據分析（抱歉，我不太喜歡用大數據這個詞）的話， 從學R 入門也是一個方法。 資料科學有三個要素：programming, statistics, domain knowledge 我自己在台灣的職涯差不多是： 有programming --> 薪資為 n 有programming + statistics ( 差不多是 machine learning ) --> 2n 有programming + statistics + domain knowledge --> 4n 你目前已經在工作了，只要花心思就可以開始累積domain knowledge： 你們領域中在意的問題是什麼？哪些方向？各種問題的價值？... etc Programming的話坊間已經有很多自學教材了。 我這邊推薦我與社群做的： R語言翻轉教室 http://datascienceandr.org 你可以自由的使用它做自學R 語言，大概會花你12-18小時。 教材中我自認寫的最滿意的是Data Engineer的那段， 感謝社群朋友的捐獻，拿一個利用Open Data計算房地產泡沫化指數的小專案當成作業 因為原始資料完全沒有清理，所以這個作業差不多是一個期末報告的難度 但是它非常的貼近實際做資料科學與Open Data相關工作的情境。 這個教材對沒有程式基礎的同學比較挑戰， 有問題，網頁的右下角有聊天室可以問我， 或是你也可以考慮先使用其他教材。 台灣的R社群中還有： - ptt R_Language版的板主：andrew 的「R 演習室」 http://apansharing.blogspot.tw/p/r.html - Tony Yao-Jen Kuo 與 Data Camp合作的教材： https://goo.gl/KxjhIq 這套與R語言翻轉教室很類似，差異在： - 是不用搞安裝環境，想嘗試可以更快開始嘗試 - 課程內容差不多是R語言翻轉教室RBasic的範疇，但是難度應該對新手更友善 （我最近正計畫要降低R語言翻轉教室的難度 ...） R還有非常多其他的線上自學資源，族繁不及備載 其實你也不一定要學R, python 也是和R 一樣好的分析工具，網路上也可以找到很多 自學資源 我覺得你「能不能運用自學資源自學工具」其實是衡量自己Programming能力的指標。 如果不能的話，就先好好學一套工具，基本上就具備這個能力了。 最後分析的能力，我覺得這是自學比較難補充的部份。 如果數學夠好，就去啃書本吧。 另一種作法，是去分析的單位做Data Engineer，或是做研究助理，然後一邊工作一邊學 但是最好還是去補個與你想投入領域相關的碩士學位。 因為分析這種事情，很看個人的信譽、聲望，而且也離不開domain knowledge。 好的人做的分析報告，大家直接跳到結論。不好的人，就算你該做的都做了也沒人信。 要走這條路，一輩子也都要學習，共勉之。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.163.178.87 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1482643139.A.2E2.html 大數據是個定義不明確的詞彙，所以要介紹怎麼學大數據， 問100個人大概會有25個說法，然後就戰了。 相對來說，資料科學是比較定義明確的詞彙， 從公認的三個要素（programming, statistics, domain knowledge）分開來介紹， 也是比較好寫的。 ※ 編輯: Wush978 (1.163.178.87), 12/25/2016 13:58:00