Soft_Job 板


LINE

這領域主要分為二大類: (A)玩資料的人:具有想像力能找出資料間的關聯性,挖掘出有用的智慧。 能使用Machine learning提供訓練好的模型讓企業做應用(推薦系統), 或者直接給出一個結論(啤酒尿布)。 有興趣的話可以參加台灣資料科學年會,會看到有趣的範例和應用。 這塊領域比較偏向學術,需熟悉統計學和演算法,能知道每種演算法該如何應用。 如果不是國立大學研究所畢業,或者沒有在這領域闖出名堂的人,很難進入。 (B)提供資料的人:建立穩定、可儲存大量資料的系統,使用ETL提供乾淨的資料給A 做Machine learning。 這部份又分為 (a)使用昂貴、封閉的大型伺服器系統。ex:data warehouse (b)使用Open Soucre、用一般電腦做分散式運算的系統。ex:Hadoop、Spark 大數據會熱門,是因為網際網路、手機、電腦的普及加上互聯網的推動, 讓人察覺龐大數據背後的價值。加上Hadoop、Spark、R的出現,讓人覺得 玩Machine learning不再只是有錢人的權利。 學了幾個月Hadoop、Spark的心得是:這東西其實是個坑,學這東西需要很好的 英文、Linux、Java、網路架構、資料庫知識。絕對不是無腦一直按下一步就可以 建立好的系統。而且它們還未達商品化的標準,系統不穩定又難維護。 系統出問題爬Linux、追SoucreCode是必經的過程。 想學好它們consultant是避免不了,上課也跑不掉,弄一弄又是幾十萬的開銷。 那公司為什麼要花一大筆錢讓你去上課去研究Hadoop、Spark? Hadoop、Spark不是唯一解,把基本功練好(英文、Linux、程式語言)才是唯一方法。 傳統公司的思維是:我花了多少錢,可以拿到什麼產品賺多少錢。 但是玩Machine learning的下場常常是:我花了一大筆錢,分析出來的結果是0。 願意玩Machine learning的公司大多是:已經發展的很成功,為了要維持競爭力 撥一筆研究經費來試試看的類型。 在台灣玩Machine learning的人已經非常多,學術機構、銀行、電信都有。 玩資料就是踏入漫長的道路,沒人敢說自己很成功如果成功早就是Google第2了。 結論: 1)想學1、2門課就一步登天,年薪百萬是不可能的。想進入這領域靠得還是 學歷、基本功、機緣。 2)會要求MS-SQL是希望面試的人能有一定的基本功,會自已做ETL, 而且在做資料分析之餘還能幫忙分攤一些基本的工作。 3)投入這領域的人已經非常多,唸得出來的企業都有,只是大家都很低調。 --



※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.163.12.157
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1482726386.A.599.html
1F:→ beaprayguy: 絕大部分走這行死最多人是整理資料 12/26 12:31
2F:→ beaprayguy: 光是要怎麼說服決策主管和各業辦承認這份結構 12/26 12:33
3F:→ beaprayguy: 而資料分析師對資料的界線和顆粒影響到底層工作 12/26 12:34
4F:→ beaprayguy: 沒有信仰和信心去當資料工程師根本非常無聊 12/26 12:35
5F:推 remmurds: 推 12/26 12:51
6F:推 InfinitySA: 一樓說的是 現在我也剛入行資料庫應用系統相關的工作 12/26 13:15
7F:→ InfinitySA: 前輩也是說到 最麻煩的事情就是整理 轉換資料... 12/26 13:16
8F:推 loveu8: 推! 12/26 13:16
9F:→ InfinitySA: big data領域的話 那更是...囧 12/26 13:17
10F:推 blackacre: 很同意整理轉換資料很煩。自己想過做幾個練習的題目都 12/26 13:24
11F:→ blackacre: 發現,找不到立即可用的訓練資料,而要花很多時間整理 12/26 13:25
12F:→ weinine32: 大部份的時間都是花在ETL和取樣 12/26 15:23
13F:→ viper9709: 推這篇~講得很中肯 12/26 15:39
14F:推 chen1025: 作資料分析 都是轉換資料 清洗資料的時間多 而這些都是 12/26 20:46
15F:→ chen1025: 程式的基本功 剩下丟給演算法產生結果 這是最快的 有時 12/26 20:46
16F:→ chen1025: 還會再把結果輸出到視覺工具觀看 12/26 20:46
17F:→ manaup: 畢竟新名詞只有潮而已 本質還是資料分析的老路 12/28 03:05
18F:→ manaup: 還不到破壞式創新的程度 賺點工錢而已 不是大賺 12/28 03:08
19F:→ manaup: 這波淘金潮裡 不意外賺最多的 還是賣鏟子的跟教人淘金的 12/28 03:11







like.gif 您可能會有興趣的文章
icon.png[問題/行為] 貓晚上進房間會不會有憋尿問題
icon.pngRe: [閒聊] 選了錯誤的女孩成為魔法少女 XDDDDDDDDDD
icon.png[正妹] 瑞典 一張
icon.png[心得] EMS高領長版毛衣.墨小樓MC1002
icon.png[分享] 丹龍隔熱紙GE55+33+22
icon.png[問題] 清洗洗衣機
icon.png[尋物] 窗台下的空間
icon.png[閒聊] 双極の女神1 木魔爵
icon.png[售車] 新竹 1997 march 1297cc 白色 四門
icon.png[討論] 能從照片感受到攝影者心情嗎
icon.png[狂賀] 賀賀賀賀 賀!島村卯月!總選舉NO.1
icon.png[難過] 羨慕白皮膚的女生
icon.png閱讀文章
icon.png[黑特]
icon.png[問題] SBK S1安裝於安全帽位置
icon.png[分享] 舊woo100絕版開箱!!
icon.pngRe: [無言] 關於小包衛生紙
icon.png[開箱] E5-2683V3 RX480Strix 快睿C1 簡單測試
icon.png[心得] 蒼の海賊龍 地獄 執行者16PT
icon.png[售車] 1999年Virage iO 1.8EXi
icon.png[心得] 挑戰33 LV10 獅子座pt solo
icon.png[閒聊] 手把手教你不被桶之新手主購教學
icon.png[分享] Civic Type R 量產版官方照無預警流出
icon.png[售車] Golf 4 2.0 銀色 自排
icon.png[出售] Graco提籃汽座(有底座)2000元誠可議
icon.png[問題] 請問補牙材質掉了還能再補嗎?(台中半年內
icon.png[問題] 44th 單曲 生寫竟然都給重複的啊啊!
icon.png[心得] 華南紅卡/icash 核卡
icon.png[問題] 拔牙矯正這樣正常嗎
icon.png[贈送] 老莫高業 初業 102年版
icon.png[情報] 三大行動支付 本季掀戰火
icon.png[寶寶] 博客來Amos水蠟筆5/1特價五折
icon.pngRe: [心得] 新鮮人一些面試分享
icon.png[心得] 蒼の海賊龍 地獄 麒麟25PT
icon.pngRe: [閒聊] (君の名は。雷慎入) 君名二創漫畫翻譯
icon.pngRe: [閒聊] OGN中場影片:失蹤人口局 (英文字幕)
icon.png[問題] 台灣大哥大4G訊號差
icon.png[出售] [全國]全新千尋侘草LED燈, 水草

請輸入看板名稱,例如:Boy-Girl 或 站內搜尋

TOP