※ 引述《a020977 (That's Life)》之铭言：
: 我想要就过来人的经验提供一点不同的看法, 文笔不是很好但是还是很想提共一些想法
: 首先Business Intelligence/Business Analytics/Data Science
: 这些其实差不多都是一样的东西,很多学校或是job title用不一样的称呼但是其实
: 学的/需要的都是差不多的东西
: Data Mining大概又分一些不同的approach, 就像上一篇作者提到的传统统计和CS
: 派, 不管哪派在这个领域里面你都会听到很多linear regression/clustering
: /classification这类的名词,有兴趣的人可以google一下,看看predictive analysis
: 到底在干嘛
: 最后我想说的是, 大学生在快毕业的时候对想像中的研究所应该学到什么会有一种想
: 法, 但是研究所毕业之后工作再回来看又会觉得有些地方应该要修正, 我在念研究所的时
: 候也以为毕业之后可以做一些predictive analysis的工作,真正开始工作之后才发现一般
: B-school教的predictive analysis还是太浅,只能算是皮毛而已,工作上这些真的在做
: modeling的同事大多都是统计或是数学背景的,我自己在这个Team上面做的事情
: 比较是用SQL帮Finance或其他单位的人拉一些特殊的report,还有Data Visualization,
: 但是在这个BI 3.0的时代个人认为predictive analysis才能真的算是data science的精随
: , 建议一些还在research学校的同学们可以跨一步先去看一下一些求职网站,关键字用
: data analyst/BI Analyst/Data Scientist/Data Engineer 之类的,看看这些工作的需求
: 是什么,再倒回来想想你需要的是什么
从工作需求去选学程很有道理, 敝人依照这个想法提供一些资讯
工作的职位需求
http://www.kdnuggets.com/jobs/index.html
美洲学程
http://www.kdnuggets.com/education/usa-canada.html
欧洲学程
http://www.kdnuggets.com/education/europe.html
连结里面也有其他洲的的资讯
自己的印象, 软件来分的话
Apache系列技能的需求还是最多, 然后Microsoft、SAP...等等
广义来看就
统计、机器学习、Hadoop、R、还有domain knowledge
domain knowledge也还蛮重要, 有个可能也不算很有代表性的例子
前阵子某公司开职缺是世界杯足球的资料分析
其中一个职缺要求是