[北美] data數據分析工作精進路線問題

看板Oversea_Job作者 (小砰砰)時間7年前 (2016/10/01 17:48), 7年前編輯推噓20(20推 0噓 26→)
留言46則, 20人參與, 最新討論串1/1
大家好 初次板上發文 主要想問問目前數據分析(偏大數據)在美國目前狀況以及技能的建立 由於非本科生，但是對數據分析有憧憬 想往data engineering路線前進 最近看了些career fair，感覺職缺相對SE少很多 求職能力路線也相對不明確 SE必做的有演算法，刷Leetcode 但卻沒看到data engineer有無必做的事 (不包含相關知識探索) 我知道有Kaggle可以上去玩資料，主要想 詢問有無像是刷leetcode一樣是針對求職 必做的準備? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 104.32.141.49 ※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1475315326.A.96A.html
→
10/01 18:35, , 1F
發paper...
10/01 18:35, 1F
推
10/01 19:33, , 2F
data engineer 不用發paper 阿 會寫sql 比較重要
10/01 19:33, 2F
→
10/01 19:38, , 3F
存錢去美國念碩士，才是必做的事情，你這種繞路法太慢又沒
10/01 19:38, 3F
→
10/01 19:38, , 4F
什麼意義。
10/01 19:38, 4F
我目前已經在那了，但校園徵才相關的沒有很多
推
10/01 19:49, , 5F
我之前的工作的function有點像data engineer,周圍有一個
10/01 19:49, 5F
→
10/01 19:50, , 6F
很資深的同事,我會說這方面要專精的話,不只SQL,SQL裡面的
10/01 19:50, 6F
→
10/01 19:51, , 7F
PL/Function都要很強以外,還要會寫shell script那類的東
10/01 19:51, 7F
→
10/01 19:53, , 8F
西,工作內容可能ETL跟建立reporting or data cube比較有
10/01 19:53, 8F
→
10/01 19:55, , 9F
關,建議你可以去各大求職網站看data engineer的工作內容
10/01 19:55, 9F
好的
推
10/01 21:09, , 10F
這方面我不是專家 什麼也不懂 但是人生經驗告訴我 學東
10/01 21:09, 10F
→
10/01 21:10, , 11F
西最有效率的方式就是找個好學校進去念 最好工個學位
10/01 21:10, 11F
→
10/01 21:10, , 12F
當初出國拿P就是依這樣的邏輯做的決定
10/01 21:10, 12F
→
10/01 21:34, , 13F
去美國念碩才是最速解
10/01 21:34, 13F
推
10/01 21:37, , 14F
Data eng = data infra ; I think you meant data scientis
10/01 21:37, 14F
推
10/02 02:14, , 15F
Data engineer不用分析...Data Scientists 請直攻PhD
10/02 02:14, 15F
原來如此QQ 數學真的是我的罩門 ※ 編輯: lance8537 (104.32.141.49), 10/02/2016 02:16:38
→
10/02 10:23, , 16F
會不會用錯關鍵字的關係。Data scientist 都是高階職缺
10/02 10:23, 16F
→
10/02 10:24, , 17F
Data engineer 都是 Programer 為主。
10/02 10:24, 17F
→
10/02 10:25, , 18F
用BI領域常用的關鍵詞，例如 data mining 去找看看。
10/02 10:25, 18F
好的謝謝，之前看校園真的不多 Data scientist又一定要Phd 所以才轉向data engineer or data analytics ※ 編輯: lance8537 (104.32.141.49), 10/02/2016 12:50:21
推
10/02 13:26, , 19F
Data science 真的要強者
10/02 13:26, 19F
推
10/02 13:52, , 20F
很多公司也搞不清楚自己找的是data scientist還是eng
10/02 13:52, 20F
→
10/02 13:53, , 21F
叫data scientist去幹data engineer ex洗數據之類的
10/02 13:53, 21F
推
10/02 19:17, , 22F
絕對沒有data scientist要phD這件事 research scientist才
10/02 19:17, 22F
→
10/02 19:17, , 23F
通常會偏好phD 但也有強的master做同樣的職位
10/02 19:17, 23F
推
10/02 19:19, , 24F
對數據分析有憧憬 不應該當data engineer 當analyst去吧
10/02 19:19, 24F
→
10/02 19:21, , 25F
推薦一篇關於data engineer的報告 https://goo.gl/p4li3k
10/02 19:21, 25F
推
10/04 01:21, , 26F
你想做eng還是做analytics，先搞清楚吧，差蠻多的其實
10/04 01:21, 26F
推
10/04 03:30, , 27F
推樓上，data analyst vs scientist vs engineer 差蠻
10/04 03:30, 27F
→
10/04 03:30, , 28F
多
10/04 03:30, 28F
推
10/04 03:33, , 29F
三個都輪了一圈，現在回來當analyst了。有機會再分享
10/04 03:33, 29F
推
10/04 05:47, , 30F
跪求樓上分享!!!
10/04 05:47, 30F
→
10/05 05:32, , 31F
謝謝分享，請問這些也是需要刷leetcode嗎
10/05 05:32, 31F
推
10/05 11:36, , 32F
之前應徵 FB 的 Data Engineer 可能需要刷 leetcode
10/05 11:36, 32F
推
10/05 21:25, , 33F
不是刷 Kaggle 嗎
10/05 21:25, 33F
推
10/07 11:27, , 34F
data analyst:挖數據 做分析 做資料 懂service 會說話
10/07 11:27, 34F
→
10/07 11:28, , 35F
data scientist:會演算法 會machine learning
10/07 11:28, 35F
→
10/07 11:29, , 36F
data engineer: 會linux 會洗數據
10/07 11:29, 36F
→
10/07 11:30, , 37F
個人在這業界六年 心得是data scientist需要資工跟統計
10/07 11:30, 37F
→
10/07 11:30, , 38F
都很強 我是數學出身 有嚐試要做scientist 後來覺得無法
10/07 11:30, 38F
→
10/07 11:31, , 39F
補足programming不足這塊 又回來做analyst了
10/07 11:31, 39F
→
10/07 11:33, , 40F
很多公司都在徵scientist但其實做的是analyst的事
10/07 11:33, 40F
推
10/08 05:24, , 41F
感覺都很屌 溫拿一族
10/08 05:24, 41F
推
10/11 02:19, , 42F
推Sovanna解釋
10/11 02:19, 42F
推
10/11 21:22, , 43F
推Sovanna解釋，謝謝!
10/11 21:22, 43F
→
10/13 13:02, , 44F
另外很多公司的職稱都亂來, engineer, scientist, analytic
10/13 13:02, 44F
→
10/13 13:02, , 45F
s 都搞不清楚，問清楚工作內容再來判斷，只看title不准的
10/13 13:02, 45F
推
10/31 17:09, , 46F
主修計量經濟有機會做數據分析工作嗎？
10/31 17:09, 46F
‣ 更多 lance8537 的文章
文章代碼(AID): #1NxuP-bg (Oversea_Job)