※ 引述《HWSH (光的夜生活)》之铭言：
: 小弟去年从国立台北大学统计系毕业
: 计画先工作个两三年再去申请国外研究所
: 目前即将服完兵役 本来是希望年后可以开始上班
: 最近几天开始找工作 履历却一直被已读
: 感到一点小小的“挫折”
: 看了一下应征者状况 六七成都是硕博
: 唉学历拼不过别人真的是硬伤
: 真的没有一些初阶的资料科学家助理工作可以做做看嘛哈哈
: 我很乐意从Data Cleansing的工作做起
: 交代一下背景
: 大概是大三决定要走资料科学家这条路
: 接触coding到现在大概两年
: 最常用的是R跟SAS
: 有去修资工的资结跟算法
: 会一点C跟Matlab
: 最近在看线上课程学python
: 英文听说读写没问题
: SQL还真的完全没碰过（满多职缺都有要求）
: Deep learning几乎没有头绪（只知道ML）
: Hadoop跟Spark只知道是在干嘛的也没有实际操作过
: 唉唉真的是太嫩了
: 想请版上的前辈大大们点一盏明灯提供一点建议
: 谢谢谢谢 用力鞭没关系
身为这一块的弱弱从业人员给你建议
我觉得你心态可能要改
资料科学家 70%以上的时间都在做data cleansing
但你好像搞错状况了 以为这种东西是初阶的工作
但是实际上并不是这样 实战经验上需要想办法增进把资料清整时间到可以拿去建模
在台湾 有意愿想做这方面的公司在过去对于资料的管理上都很不严谨
你看到的会是杂乱无章又一堆莫名其妙的资料
光是处理资料encoding的问题就够你烧脑烧时间的 更别说还有一堆杂事
如果你以为资料科学家只要爽爽地建模就好了那真的是太天真了
加上从你内文中没接触过SQL 没玩过Deep learning 好像也不会爬虫
资料视觉化的工具也没提到会不会
ML到底接触多深也不知道 要走资料这块只会R却不会python 也是硬伤
劝你先去了解一下R和Python彼此的优缺点
另外有没有实际上玩过什么专案也看不出来
讲白了如果我部门开缺你来应征 我还真不知道有什么诱因让你进来一同工作
有个建议是如果真的想增进实力
上去Kaggle看看其他人在干嘛 同样的dataset你能不能做出跟人家一样的结果
或是去挑个竞赛区的试试看自己做出来的结果到哪
另外就是最近吹很大的各种相关“前景”请审慎看待不要一头热
有时候实务面上跟这些投机客炒作的泡泡还是有不小的落差