Category: 数据小咖《AI时代就业指南》

数据科学家新手常犯的 13 个错误(附工具、学习资源)

数据科学家新手常犯的 13 个错误(附工具、学习资源)

要成为一名数据科学家并不容易。需要掌握多种技能,才能真正成为一名数据科学家。这些技能包括解决问题、结构化思考、编程和其他专业技能。如果你不是技术出身或者数学出身,就很有可能通过书籍和视频课程来学习,但大多数并没有教你那些当前业界渴望从数据科学家身上寻找到的东西。

什么是数据科学家?

数据科学家是指能采用科学方法、运用数据挖掘工具对复杂多量的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识,并能寻找新的数据洞察的工程师或专家(不同于统计学家或分析师)。一个优秀的数据科学家需要具备的素质有:懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用、懂决策分析等.

解析 :跻身数据科学领域的五条职业规划道路-配图

本文中的职位是国外对数据科学和大数据相关职位的划分。本文给出和国内职位的对应关系,供大家选择职位时比对。
需要注意的是,国内外在职位叫法上略有不同。在国内“数据管理员”称为“数据库工程师”,“商业数据分析师”一般称为“数据分析师”;“数据工程师”称为“大数据开发工程师”,“机器学习研究员/工程师”称为“数据挖掘工程师”或者“算法工程师”。

AI时代就业指南:为什么要做数据分析师?职业规划很重要

我小时候的理想是将来做一名数学家,可惜长大了发现自己天赋不够,理想渐行渐远,于是开始考虑现实,开始做一些人生规划,我一直在思考将来从事何种职业,专注什么样的领域,重新定义着自己的职业理想。我现在的职业理想,比较简单,就是做一名数据分析师。

机器学习的首要条件不是数学而是数据分析

2012年10月《哈佛商业周刊》上面发表了一篇专栏,文章称“数据科学家”是21世纪最最性感的工作。在美国,数据科学家的年收入已超过律师和医生,无怪乎有人惊呼“告诉你的孩子不要成为医生而要成为数据科学家”。 那么你怎样才能找到门路呢?这篇文章或许会给你些启发。

学习机器学习需要具备怎样的数学水平?

在过去的几个月里,我一直和一些人交流,他们已经开始切入数据科学领域并积极使用机器学习(ML)技术来探索统计规律、或构建完善的数据驱动产品。然而,我发现很多情况下统计分析结果不尽人意的原因是是缺乏必要的数学直觉和知识框架。这就是我决定写这篇博客的主要原因。

数据科学家、数据分析师、数据挖掘工程师、数据工程师,你分的清楚吗?

数据科学家(Data scientist)的叫法来自国外,广义上它是对从事数据分析和数据挖掘从业人员的一个泛称,它只是一个头衔,并不是一个职位。狭义上,数据科学家一般是指行业里面的领军人物和顶尖科学人才,如百度前首席数据科学家吴恩达。

【重磅】35所高校已申请这个新专业,一大票学弟学妹正走在路上!

这是一个新旧变革的时代,世界唯一能确定的就是不确定性。正如近期高校专业的一系列调整,新的技术驱动下,各行各业无不在变革浪潮中,高校所设专业与市场人才需求渐行渐远,“数据科学与大数据技术”这个学科却逆流而上。

【学习】数据科学与大数据技术必备技能(高教版)

如果你还在象牙塔里的或者还是小朋友,那么美国斯坦福大学前商学院院长Garth Saloner发给MBA学生的一条推特或许更适合你,这句话是:“如果你还在学校的话,最应该做的是到工学院去,学习任何和人工智能、深度学习、自动化等相关的知识!此刻!”

AI时代就业指南:2.5万工程师艰难转型,机器学习真的有这么可怕?

编者按:很多人觉的机器学习高大上,学习门槛很高,尤其是高深的数学知识。实际上如果你不是造轮子的纯算法工程师,那么通常情况下你只是使用的现成的框架和封装好的算法库,这些框架和算法模型中使用的数学原理并不那么复杂,有本科理工科学历的学生都可以从事这一行业。看看谷歌怎么看待这一问题?

AI时代就业指南:作为大数据从业人员,如何写好一份可堪入目的简历?

近期部门在做人员招聘,所以一直在坚持看简历,包括也面了部分相关岗位的候选者,有些感触还是蛮大的。

最想吐槽的一个点就是,混了好几年工作了,真的该好好学学怎么写一份让人看得爽点的简历,不让自己难看,也不让面试官蛋疼。

AI时代就业指南:计算机、统计完全零基础,到底能不能学数据分析?

数据分析这个岗位可以说很宽泛很杂,从数据录入员到行业分析师科学家都可以认为是数据分析,甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里,但是这些工作所做的事情却相差甚远,当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称,重要的是看看清岗位职责和要求。

AI时代就业指南:企业在招什么样的大数据工程师?

如今,在国内,只要是个IT公司(说的是非传统行业),出去的时候,感觉要是说自己公司没有涉足大数据都不好意思。所以,现在的情况大部分是这样的:一个创业公司哪怕只有十多人的开发团队,也非得整一个大数据小组出来,我们不止要做大数据离线处理,还要做离线处理,不止有数据分析报表,我们还得进行深度的数据挖掘,做到精准的个性化推荐,流弊的数据预测!

切换注册

登录

忘记密码 ?

切换登录

注册