Re: [请益] 资料科学与网页后端领域的选择

楼主: SFMAndroid (安卓发送)   2019-09-21 01:18:56
※ 引述《b10130402C (Klay射手)》之铭言:
: 版上大大们好,如题,想请教各位的意见以及征询大家的看法,谢谢。
: 目前为自学 Python 两个月半,从最基本的能力循环、def、class等观念重新学起,学会技能列点表示:
: 1. 程式基本观念活用 ( 循环 、阵列、 python 中的 class 类观念、Dict 使用 、 csv.DictRead & DictWriter 使用、tkinter 按照课程操作一遍)
: 都是跟着 Coursera 学习,皆可完成课程作业。
: 2. Python 中的 Modules ( Numpy , Pandas DataFrame , Matplotlib 画图操作 ) 莫凡影片加上第三点的 Side Project 会频繁复习 1 & 2
: 3. 爬虫技巧 ( request , BeautifulSoup , Selenium webdriver 等操作 ) 有自己写出两个小小的 Side Project ( 爬 2019 电影版好雷的电影 & 爬简单股市
: 存进 SQLite 练习操作数据库)
: 4. Django MTV 系统练习,已成功作出小部落格跟 To-do-list ,也练习 heroku 上传成功
: 5. 因为对资料科学有兴趣,统计还算过得去,但是管院没修过线代,重修李宏毅老师的线代跟买书了解机器学习概念
: 未来会花时间学习“资料结构”与“算法”跟开始作 LeetCode ,自己对于网页后端跟资料科学都很感兴趣,自学两个月还蛮开心每天都有进步。
: 后续要找工作,时间压缩情况下,势必只能往一个领域的技能树点。
: 资料科学领域:发现要找资料分析工程师或是机器学习相关的工作,还没办法实战 ( 还没打过 Kaggle ),普遍好像对于学历都蛮要求要博士或是工作经验3年以上,对于这块领域在业界的趋势也不是很了解,如果求职此方面工作是否需要作品集? 想请教此领域在业界新鲜人的能力要求或是发展?
: 网页后端领域: Django 后发现作网页蛮好玩的,但我的致命缺点为前端能力 ( HTML 、 CSS 、 Javascript )完全没有,HTML 只知道是标签组成,写网页也是硬挤出来,后续往此领域势必要将前端的洞补起来,有摸过 MySQL 跟 SQLite 作前后端串联,想请问各位大大后端工程师相对于前端能呈现的作品集大致上呈现为何? 对于网页后端的发展我的看法为比起资料科学相对成熟,也想听听看大大对于后端工程师的看法。
: 谢谢各位花时间看完,因为真的有点迷惘,所以跑上来询问,有任何建议或批评也可以直接点出,非常谢谢你们!!
统计转后端的来说一下心得
之前分别做过一个Data Analyst和一个Data Scientist的实习
全职后端大概2年
现在在唸资工硕班
作者: fyc22122 (阿兴)   2019-09-21 01:47:00
Data scientist绝对很多都要兼你讲的Data Analyst 尤其一些非lab跟非科技业的而且senior data scientist 很多也是要带领团队跟专案
作者: BignoZe (BignoZe)   2019-09-21 02:10:00
好文 推
作者: backprog (back-propagation)   2019-09-21 02:15:00
相当清楚推
作者: fishstay (小f)   2019-09-21 02:34:00
好文推
作者: Saaski (GreedIsGood)   2019-09-21 03:27:00
push
作者: chocopie (好吃的巧克力派 :))   2019-09-21 03:41:00
作者: olycats ( )   2019-09-21 03:55:00
本身做资料分析/资料工程各半 写得不错推推
作者: rainingmoon   2019-09-21 03:58:00
好文推
作者: DrTech (竹科管理处网军研发人员)   2019-09-21 07:58:00
这叫好文?。资料科学家真的被乱用了不太需要跟业务打交道?那间公司阿只搞技术怎么做资料科学家呢离开业务的资料科学,或建模怎么做?真正工作时,又有多少时间在写程式或训练模型呢?
作者: Murasaki0110 (麦当劳欢乐送)   2019-09-21 08:26:00
算了啦,这边不是刚毕业就是只需要default model的公司
作者: pk790127 (<>)   2019-09-21 08:31:00
好文推推
作者: vincentman (Vincent)   2019-09-21 08:54:00
还不错的文,推一个
作者: sxy67230 (charlesgg)   2019-09-21 08:56:00
DS不只在台湾,在国外除非像google 这些巨头公司,要不然其实做的工作一样很杂,分析报告、研究新模型、甚至到后端架构、业务面向其实都会包到的。薪资差距也极高,强者就是越来越高,普通人就只能往另一边靠拢。能进去巨头的DS也是万中选一的人才,当然挑战也很高
楼主: SFMAndroid (安卓发送)   2019-09-21 09:22:00
抱歉 DS的样本只有2个 一个G一个MS我自己以前做DS也是全包所以我觉得很多公司的DS都不是DS所以后来就放弃DS了XDD
作者: gbd37 (我想抓波波)   2019-09-21 09:54:00
写得不错 某楼就别气了 本来大家对DS的认知不一
作者: loveu8 (RA1-推广)   2019-09-21 10:26:00
推!!~
作者: b10130402C (WinJamison)   2019-09-21 10:58:00
谢谢S大花时间回一篇文告诉我业界资料科学的状况,真的很感谢你,含金量很高,可以帮助我们多了解DS这块领域,我先把这篇收藏起来不过 Data analyst跟我想像差异最大,感觉被当作业务使用
作者: Hsins (翔)   2019-09-21 11:32:00
DA 很多缺是开给社科院的
作者: PoloHuang (黄保罗)   2019-09-21 11:34:00
受用了
作者: mirror0227 (镜子)   2019-09-21 12:39:00
好文推
作者: joejoe14758 (KILE)   2019-09-21 12:40:00
业界不一定是这样啦 至少台湾和美国还是有落差的
作者: zero11995 (囧)   2019-09-21 12:44:00
作者: judge1226 (淡然宇静)   2019-09-21 13:52:00
推,虽然我觉得台湾真的是混用了QQ
作者: cougarboy (HAHA)   2019-09-21 14:43:00
作者: netburst (133 134 592)   2019-09-21 15:06:00
切版应设计师切吧应该说介于前端工程<>设计师
作者: wilson85771 (HOW)   2019-09-21 15:35:00
台湾纯研究的 DS 缺真的太少了,不要过度美化 DS 工作
作者: g5637128 (帮QQ)   2019-09-21 19:16:00
推,希望之后有空的话能再讲讲前/后/全端的部份
作者: yupog2003 (屁股)   2019-09-21 20:56:00
推整理清楚
作者: a2768387 (how che)   2019-09-21 20:59:00
推推
作者: pipisn1024 (Jason)   2019-09-21 22:18:00
超详细 推推
作者: Csongs (西歌)   2019-09-22 12:34:00
是不是有重复啊@@但还是详细给推
作者: kuantingyu   2019-09-22 17:31:00
对于想踏进这领域的新手 很大的帮助 感谢
作者: casd82 (28dsac)   2019-09-22 21:04:00
感觉超多人想做DS
作者: lukelove (午睡)   2019-09-23 00:10:00
事实上看到的DS就是点不同技能的BE, leetcode刷一刷问你尻过什么套件, 怎么建product, etc由于最靠近产品, 动不动要你从头追root cause追到尾
作者: w60904max (自宅警备队员)   2019-09-23 01:22:00
台湾很多DS就只是后端 call的API变sklearn或keras XD
作者: ruokcnn (Dean)   2019-09-24 00:41:00
在台湾挂DS的没想像中那么神
作者: louner (louner)   2019-09-24 12:30:00
泪推把人累死那段 台湾就是丢一个问题 要你全包资料蒐集清理 设计feature 跑model 开发部署跟维运 同时还要你做其他backend的事 干
作者: sxy67230 (charlesgg)   2019-09-24 18:39:00
其实这反应了一个现象,业界经理人对DS领域的了解不够深。光是看到演讲某些企业经理人拿套件出来讲讲干话就知道了。我还看过拿三个分类,3000笔数据的量来说自己效果屌打一条街的,还有一堆在吹嘘的大概就知道程度在哪边了。很多企业就是拿有深度学习的技术椪风,套套模板就说自己有技术的那种程度。
作者: Hsins (翔)   2019-09-25 09:23:00
我也见过拿 SAS 跑一跑就说自己大数据,洋洋得意说只要汇入资料就好的。
作者: aaa12478 (asun)   2019-09-27 10:50:00
收藏
作者: pig22022 (宏)   2019-09-27 17:41:00
主要还是看team的组成,根据某在台美商现况,DS除了train model和写pipeline外,要跟pm和BE依照业务需求调整和做系统整合。通常science team也不是人人做research,会有部分的人处理BE和pipeline的整合。

Links booklink

Contact Us: admin [ a t ] ucptt.com