作者applehpsh ()
看板Soft_Job
標題Re: [請益]資料分析/科學的工作是不是幾乎都要碩士..
時間Fri Feb 9 00:54:35 2018
※ 引述《HWSH (光的夜生活)》之銘言：
: 小弟去年從國立臺北大學統計系畢業
: 計畫先工作個兩三年再去申請國外研究所
: 目前即將服完兵役 本來是希望年後可以開始上班
: 最近幾天開始找工作 履歷卻一直被已讀
: 感到一點小小的「挫折」
: 看了一下應徵者狀況 六七成都是碩博
: 唉學歷拚不過別人真的是硬傷
: 真的沒有一些初階的資料科學家助理工作可以做做看嘛哈哈
: 我很樂意從Data Cleansing的工作做起
: 交代一下背景
: 大概是大三決定要走資料科學家這條路
: 接觸coding到現在大概兩年
: 最常用的是R跟SAS
: 有去修資工的資結跟演算法
: 會一點C跟Matlab
: 最近在看線上課程學python
: 英文聽說讀寫沒問題
: SQL還真的完全沒碰過（滿多職缺都有要求）
: Deep learning幾乎沒有頭緒（只知道ML）
: Hadoop跟Spark只知道是在幹嘛的也沒有實際操作過
: 唉唉真的是太嫩了
: 想請版上的前輩大大們點一盞明燈提供一點建議
: 謝謝謝謝 用力鞭沒關係
身為這一塊的弱弱從業人員給你建議
我覺得你心態可能要改
資料科學家 70%以上的時間都在做data cleansing
但你好像搞錯狀況了 以為這種東西是初階的工作
但是實際上並不是這樣 實戰經驗上需要想辦法增進把資料清整時間到可以拿去建模
在台灣 有意願想做這方面的公司在過去對於資料的管理上都很不嚴謹
你看到的會是雜亂無章又一堆莫名其妙的資料
光是處理資料encoding的問題就夠你燒腦燒時間的 更別說還有一堆雜事
如果你以為資料科學家只要爽爽地建模就好了那真的是太天真了
加上從你內文中沒接觸過SQL 沒玩過Deep learning 好像也不會爬蟲
資料視覺化的工具也沒提到會不會
ML到底接觸多深也不知道 要走資料這塊只會R卻不會python 也是硬傷
勸你先去了解一下R和Python彼此的優缺點
另外有沒有實際上玩過什麼專案也看不出來
講白了如果我部門開缺你來應徵 我還真不知道有什麼誘因讓你進來一同工作
有個建議是如果真的想增進實力
上去Kaggle看看其他人在幹嘛 同樣的dataset你能不能做出跟人家一樣的結果
或是去挑個競賽區的試試看自己做出來的結果到哪
另外就是最近吹很大的各種相關“前景”請審慎看待不要一頭熱
有時候實務面上跟這些投機客炒作的泡泡還是有不小的落差
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.121.188
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1518108879.A.FB1.html
1F：推 wilson85771: 推這篇 02/09 01:56
2F：→ jerry771210: 推推 02/09 02:13
3F：推 TAKADO: 10-15年前，大家都在跟風玩data warehousing 炒作data min 02/09 02:54
4F：→ TAKADO: ing種下的惡果啊，看過一堆奇葩系統各種沒建pk fk constra 02/09 02:54
5F：→ TAKADO: ins，沒有正規化，各種垃圾資料狂塞猛送，然後現在抱著這 02/09 02:54
6F：→ TAKADO: 些資料要來玩AI。 02/09 02:54
7F：推 laba5566: 嘴砲>>>>>>>狗屁ML+資料分析 不會嘴走這行是找死 02/09 08:52
8F：→ testPtt: nosql就是讓你這樣玩阿 02/09 09:40
9F：推 lichai: 正解… 02/09 09:43
10F：推 Abhoth: 樓上TA大的回覆深有同感QQ 02/09 11:29
11F：推 drajan: 你真的懂data warehouse嗎？:) 正規化是要看場合來使用的 02/09 14:32
12F：→ askia: 推，一看就知道是內行。學術界老是講一堆xxx方法、模型 02/09 19:26
13F：→ askia: 但是真正的實務只有三個要點：清資料、清資料還是清資料 02/09 19:27
14F：→ askia: 有乾淨的資料一切都好談，否則什麼都是屁。GIGO 02/09 19:27
15F：→ MOONY135: 哈哈哈清潔工 02/09 20:14
16F：推 lovdkkkk: 掃地僧4ni 02/09 21:01
17F：推 vfgce: 資料分析用'資料庫正規化'會很想死吧...... 02/10 16:23
18F：→ vfgce: 至於清資料也不用講得多神奇,主要是你對這個資料的了解... 02/10 16:24
19F：→ vfgce: 知道怎麼用,那些有用,那些雜訊.... 02/10 16:24
20F：推 vfgce: 資料分析常常是一個資料表拿來用,'正規化'反而造成麻煩... 02/10 16:27
21F：推 TAKADO: 樓上幾樓說的沒錯 DW根本沒有正規化的問題 02/10 16:46
22F：→ TAKADO: 但是在那個大家都在玩DW的年代一堆公司DB都剛起步 02/10 16:47
23F：→ TAKADO: 然後看是凹MIS去學或找便宜工作室幫忙弄 02/10 16:47
24F：→ TAKADO: 然後就出現了因為OLTP->DW時 ETL亂寫進不去 02/10 16:48
25F：→ TAKADO: 但是DW是顧問開的 然後只好operational DB做去正規化到1NF 02/10 16:50
26F：→ TAKADO: 或是把DB跟DW混在一起做撒尿牛丸 設計成star-schema 02/10 16:53
27F：→ TAKADO: 這樣就沒有轉資料的問題了，大家都開心 02/10 16:54
28F：→ TAKADO: 如果資料是靠爬蟲或是open data去撈還好 02/10 16:56
29F：→ TAKADO: 如果是抱著整個資料庫來的挺多雷 裡面各種世界奇觀都有 02/10 16:57
30F：推 shiauji: 推樓上大大跟這篇 02/11 10:18
31F：推 sailoruranu: 推 我之前做report也都一直在整理資料 老是有莫名奇 02/11 14:01
32F：→ sailoruranu: 妙的資料會被放進db 02/11 14:01