Re: [閒聊] 幹這行的唸到博士..
※ 引述《mike5square ()》之銘言：
: 我也不瞭解台灣的狀況，以前在念書的時候只會跟著大家說，喔，念博士沒人要，
: 問老師說PhD出來可以幹嘛，老師說走教職、或是進公司的研究部門。那時後完全不懂，
: 但是現在工作了，才覺得Research的工作多有價值，即使我是MS。
: 我在美國某家公司，部門幾百人，目標都是合作把網頁變醜xd -- 簡單說負責登廣告。
: 在進入這個世界以前，你不會覺得這個東西有多高科技，但是事實上在背後，
: 有多少Machine learning，有多少Time series forecasting，有多少演算法上的
: Optimization、Approximation，多到你無法想像，都是需要PhD去做。
: Business people對“可以賣什麼”、或是“可以怎麼賣”這兩件事情有太多瘋狂想法
: （至少在Search/display advertising裡），PhD們，或是MS們，
: 就必須想辦法花上很多時間把這個東西塞進現有的系統裡，然後花上很多時間研究
: Side effect，Simulation。上Production了，同時必須看管、及早發現問題。
: 就公司而言，多花了這麼多時間與資源其實也只是為了那幾個%微小的效益，
: 但是如果你離Optimal越接近，你就越有信心你的對手越難超越你。
講個Amazon來的同事跟我講的故事，某年，Macy's store 要花一億美金，跟
Amazon買聖誕節時，首頁 search box下的空間。
Amazon回去問了 recommendation & analytics team 後，回決了這個題案，
因為 Amazon 覺得靠精準的分析客戶行為做出的推薦，可以讓公司賺進更多
錢。要知道，要賺一億美金的淨利，可是要做三十億以上的生意阿，背後多
人要忙破頭。
至於要做到這程度，首先是要把所有客戶的行為都記錄起來，例如，『客戶
找了 Madonna，點了最新專輯，然後點了第三筆推薦』，如果這行為發生夠
多次，那是否在下次搜尋時，把第三筆推薦改為第一筆推薦。
更改推薦演算法時，要先餵舊資料回去，看是否能夠得出較好的結果外；還
要上線做 A|B Test ，看看是否對新客戶新資料，新的演算法同樣也能得出
較好的產出。
我前公司的一位博士就是專門在幫電信公司挖這些資料的，據說，他一個人
賺的，跟剩下來六十位同事幫公司賺的一樣多。
--
打了這麼多，想說的是，小弟的公司正在徵人實作 analytics service ，有
興趣了解的，歡迎來面試
http://www.bluetangstudio.com/2010/11/blue-tang-studio-is-hiring.html
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 118.160.106.198
→
04/24 11:26, , 1F
04/24 11:26, 1F
→
04/24 11:26, , 2F
04/24 11:26, 2F
→
04/24 11:28, , 3F
04/24 11:28, 3F
→
04/24 13:35, , 4F
04/24 13:35, 4F
→
04/24 22:30, , 5F
04/24 22:30, 5F
→
04/24 22:31, , 6F
04/24 22:31, 6F
→
04/24 22:32, , 7F
04/24 22:32, 7F
→
04/24 22:32, , 8F
04/24 22:32, 8F
→
04/24 22:33, , 9F
04/24 22:33, 9F
→
04/24 23:33, , 10F
04/24 23:33, 10F
→
04/24 23:34, , 11F
04/24 23:34, 11F
→
04/24 23:38, , 12F
04/24 23:38, 12F
→
04/24 23:40, , 13F
04/24 23:40, 13F
推
04/25 00:27, , 14F
04/25 00:27, 14F
→
04/25 04:32, , 15F
04/25 04:32, 15F
推
04/25 10:42, , 16F
04/25 10:42, 16F
→
04/25 10:42, , 17F
04/25 10:42, 17F
推
04/25 23:04, , 18F
04/25 23:04, 18F
討論串 (同標題文章)