楼主:
pagepage (pagepage)
2017-06-27 09:21:57各位前辈大家好
小弟是物理系出身
最近要退役了准备找工作,希望能获得一些建议
先介绍一下背景:
1. 物理硕士,硕士论文为类神经网络的物理性质
论文主题是机器学习
但既然是物理所,研究所注重的自然跟资工所相去甚远
目前修过andrew Ng的线上课程,以及上到一半的机器学习基石
基础的机器学习常识还是有的
2. 程式能力
研究所主要使用MATLAB
虽然C也会使用,但只有跑模拟使用,写法也比较不简洁
PYTHON 只有拿tensorflow做过基础练习,没有实际用来解决过问题
想请教的问题:
大概要准备什么知识爬过文大约有个底了
但对找职缺上有点徬徨
1. 职缺名称:
请问"data scientist"这个工作职缺可以学到东西吗?
自知自己的程式能力远不及资工背景的人
因此"算法工程师"之类的职称应该是没机会
我目前找工作,主要是找"机器学习工程师"这类的职缺
但是不知道data scientist是否能学到东西
还是说只是套套资料和使用几个现成的套件,去当苦力而已?
怕资工会不会有类似"一日设备,终身设备"之类的情形出现?
还是可以试着应征看看去练练功?
2. github的重要性?
看过一些文章说github很重要
但...目前可能没时间搞一个起来
同时由于以前编写的程式以解决自己问题为主 (ex: 跑模拟、控制仪器)
不然就是一些练习ML的code
这样似乎没有上传的价值?
我是应该花时间整理以前写过的code上传github
或是干脆放弃这件事情,多准备一些ML的知识呢?
3. RK是什么?
找工作时有些职称会写RK 跟RD有什么差别?
4. 还有什么可以证明自己的事情可做?
目前主要以上ML课程的方式来提升自己
虽然可以帮助了解ML但是感觉对履历的帮助不大
但是如果要做一个专题出来在没有人指导的情况下又有点困难
是否有其他方法能增加自己履历强度?
如上
很清楚台湾的ML机会不多
已经做好被洗脸的心理准备了
还是希望各位先进能给些建议
感谢!
作者: childlike12 (幼稚鬼+小孩子=娃娃ˊ~ˋ) 2017-06-27 09:39:00
1. 你就是适合投data scientist而不是data engineer
作者: neptune317 (薨) 2017-06-27 09:59:00
试试吧,虽然data scientist蛮advanced,一般phd。
作者:
teddy0819 (在一步就是天堂地狱)
2017-06-27 10:04:00满有机会的吧!我朋友清大物理毕业在deepmind工作!Github似乎真的很重要
作者: tommie (tommy) 2017-06-27 10:08:00
先把语法练熟一点,不然笔试就先打枪了
作者:
miles412 (好久没看到太阳了)
2017-06-27 10:08:00你朋友在物理系也是神手等级
作者: lponnn (快乐的狼) 2017-06-27 10:09:00
data scientist 的门槛很高喔 不是随便都做的了的
老实说光看你论文的标题还满有意思的如果不是那种junk paper 建议可以跟你朋友ㄧ样 出国找找口误 是跟teddy的朋友ㄧ样
作者:
chienk (.................)
2017-06-27 10:30:00念phd吧 不然感觉机会轮不到你
作者:
chocopie (好吃的巧克力派 :))
2017-06-27 10:31:00台湾金融业对data scientist的定义还只停留在IT人员的阶段,大概只有少数几家目前有慢慢做起来。
作者: neptune317 (薨) 2017-06-27 10:33:00
Quora一下data scientist的requirement吧,一般还要有big data的能力,data engineer比较没那么advanced,做infrastructure或application,至于data scientist做research。
作者: childlike12 (幼稚鬼+小孩子=娃娃ˊ~ˋ) 2017-06-27 10:35:00
scientist设计算法,engineer实做算法(用程式)我假设你算法很强程式不强,所以这样建议
作者: neptune317 (薨) 2017-06-27 11:01:00
By the way,data scientist比较像是data engineer和data analyst的东西都要会。
作者: qoopoo30 (xiao) 2017-06-27 11:34:00
@TP狗
请念phd 这样的底子要投 data scientist 还差太远
you are weaker than most CSIE RDs.matlab 效率太差, 学校学的, 有点像是高中联赛出社会工作, 像是独立联盟,但是你现在想挑战大联盟有能力做ML的,通常是大公司,除非你是台清交,不然机率低
作者:
sc1 (sc1)
2017-06-27 11:51:00物理硕士去传产当储干起码作息正常月34k
我知道有一间公司,里面全是台大毕业, 论文全是ML相关的
作者:
spiderway (spiderway)
2017-06-27 12:07:00就去啊
作者:
lofu (lofu)
2017-06-27 12:24:00建议多做点功课与爬文
作者:
KILLE (啃)
2017-06-27 13:00:00112吗 不是人家收的机率很低
个人觉得台湾有ml缺又是待遇好点的公司很少…34楼是说appier吗?
作者: tingwei0924 (庭纬) 2017-06-27 13:09:00
可以去kaggle 玩一玩看自己喜不喜欢 data scientist的工作
作者: NaiChar 2017-06-27 13:22:00
非资工系的真的很难找 你会的资工的也会 实作还比你强 现在的lab一窝蜂都在做NN 竞争激烈啊
作者:
sc1 (sc1)
2017-06-27 14:21:00可以骗政府预算
作者:
askia (过客)
2017-06-27 14:24:00给你一个很重要的建议:出社会工作是领薪水对公司有贡献而不是要去“学东西”,如果你只有学习没有产出,那应该去补习班,而不是去找工作。当然你有学习能力是很好,不过还是先问自己能做什么?而不是先问能不能学到东西。这才是被录取的关键。
真的想做ML可以去Appier看看, 再大一点的公司的scientist会需要相关领域的phd, 难度会高很多
然后以你的background感觉Appier也有点难度...google/facebook国外的office之类的?
作者:
sc1 (sc1)
2017-06-27 17:00:00从资源回收业分析大数据应用街道物理去拾荒做垃圾分类又能赚钱又能分析社会
原po是112物理学硕你要不要干脆去唸个资工硕?如果对这块有兴趣又打算就业
作者:
pig2014 (Rocking Man)
2017-06-27 23:47:00我电机系毕业想当医生嘘死你