[from NCES]近5年来统计学位增长了将近1倍半

linkedin 对data scientist编程要求很高，我已经听说好多熟人被刷下来了，我都没敢试

facebook据说也这样。基本data scientist职位要的其实是dev

amazon就有实实在在的statistician了，基本都是建模，不是dev，但是用脚趾头也知道，mapreduce要懂点，不然数都取不出来还分析个头。没人成天给你把数据整成规规矩矩的长方形，漂漂亮亮等你分析。。。当然a家活居多，很累。

Google大家都知道，是不明文要求啥，具体标准是啥不清楚。对统计本身能力还是非常看重的。但是一个在里面混的很好的人告诉我，如果进去之后能写py，自己把自己分析出来的insight实现成production code，你就会被很看重。进去之后有学习这个的意愿别人也会教你的。其实想想也知道么。。。。

MS招的这个方向的人很多部门都有，对编程要求有高有低。有建模成分很大的职位，这种的感觉技术含量比较高。但是我小样本的gossip听说也是忙的一塌糊涂。有编程和统计都要用的部门。跟amazon一样，也有那种主要SQL取数据的职位。当然个人觉得这种事情比较无聊。。。做久了只怕很烦。并且被技术含量高的部门（正式内部职称是所谓研究员researcher）“鄙视”说他们都是PM. haha....

个人道听途说，不保证100%正确。

曾经被apple的人在Linkedin上面发信问过，他们很会讲话，说他们要组建一个统计组，不用取数据，只建模呀只建模
有兴趣的人不妨试试

cccpwx 发表于 2013-9-24 19:03
D3 搞会了，你的javascript的水平也不错了。

MapReduce，关键是你要学成什么水平？跑个wordcount，还是写 ...

个别的core skills那是要深入学习的

但是大多数情况下，公司招硕士生，并不要求你什么都精通，而是希望你多少都知道一点，哪怕只是最基础的知识，这样显得你的skill set非常的diversified，找工作的时候，会的东西多点，也更容易尝试各种机会。

d3 是作图语法，学会迟早有用，以后再学其他都大同小异了
另外这些不需要从头写起啊，拿别人一个现成例子，改吧改吧，会用就可以了
其实有多少图是需要从头写起的呢？常见的都已经被实现过了。

js 也不用精通啊，需要什么功能就search一下拿来用就好了，这些小东西都是属于自己有空可以弄一个来玩玩的事情。i actually like to tweak stuff and play around with cool special effects....

当然，如果特别反感这些事情，一想业余要做这些就觉得无法容忍，那么可能不合适做data scientist....

传统统计的就业还有faculty，研究所，药厂、biotech。前两样，当然需要研究比较牛。

今天顺便还想啰嗦个态度问题。

最近有朋友跟我提起面试情况，都有这么个态度“他们为什么要问我blabla问题”，觉得自己答不上来的问题是别人问的不合理。

比如：明明知道我是用R实现一些算法的，为什么要问我logistic regression如何evaluate model performance的问题？
我惊诧了，我觉得这是perfectly reasonable的PhD level statistician问题啊。然后我问他，你回来把这个问题搞清楚了吗？他说：我觉得这个问题问的很无聊，反正面试已挂，我就没再看。
我又惊诧了，面完了不管挂没挂，难道不需要搞清楚自己答不上来问题的答案么。Intellectual curiousity 总要满足吧。。。。

另外一个朋友说的也很类似，态度就是：他们为什么不问我我会的东西，问那些其他东西有什么用。。。。。。。可是雇主关心的是，你能不能做他们要的事情，而不是你会做什么。显然不会以你为中心来提问。

传统面试让phd学生来讲论文做了什么，其实有多少是直接能用上的？phd research方向一般都比较窄，实话说又多少人能听懂？（不排出有这种情况，这种你会非常被珍惜！！）

. 1point3acres.com 现在比较流行是直接考查将来工作里遇到的情况，你能否解决。你的基础知识是否牢靠（比如google quantitative analyst注明的手工推算ols variance）。假设一种情况你来分析解决（某某数据，你如何来分析？怎么建模？要检查什么assumption? 违反了怎么办？怎么衡量模型是否好？用什么方式来把结果告诉别人）。甚至具体动手解题（白板）。

小K 发表于 2013-9-25 10:20
今天顺便还想啰嗦个态度问题。

最近有朋友跟我提起面试情况，都有这么个态度“他们为什么要问我blabla问 ...

嗯嗯，在公司听讲座时经常听到research里的东西在industry根本就很难去实现，industry里用的东西绝大部分都是research里的东西的简化版

太赞了这个帖子。我以前学的C和JAVA都丢的一干二净了，惭愧的不行了，现在看来要重新捡起来这些东西学习了。

开了另外一个帖子，放了一些具体的学习笔记
http://www.1point3acres.com/bbs/ ... o=lastpost#lastpost

小K 发表于 2013-9-25 10:20
今天顺便还想啰嗦个态度问题。

最近有朋友跟我提起面试情况，都有这么个态度“他们为什么要问我blabla问 ...

大家说的很对，而且我的亲身经验告诉我，小K姐所提出的，从取数据、写程序、画图、交流的能力都要会一点，有的只要会一点，有的可能要精通一点，是很正确的（完全符合了我实习的所有工作内容），而且对于MA学生是可以做到的。我从大四毕设第一次编MATLAB程序头疼了半个月（零基础），一直到一年后的现在，Matlab,R,SAS,SQL,Java,Python,JSP,Hadoop/Mapreduce,Linux全都学过来用过来（当然有的很皮毛，但有的我很有信心）。其中每一样东西不可能是一下子精通的，都是抓住某个机会一点点的精通。比如Matlab是第一学习上CS machine learning课的作业project磨出来，当时是MA和Phd学生混上的课，unexpected的拿了A+，然后很开心的继续学，SAS是自学，然后找了机会跟一个老师学，编很多table，准备一个面试磨的，中间断断续续停过又捡回来继续；R是实习的时候看老板code然后自己大编特编搞定的；SQL/JSP是上CS的课做project弄出来的。Java和Python比较悲剧，是自学的，现在Hadoop要用Linux和Java,所以也是恶补。反正想的话能发现很多机会，可以一边创造价值（比如课程工作project有分有钱拿啦）还一边可以练技术。

另外我觉得Data visualization真的是及其重要，因为和一个不是完完全全知道你做的东西detail的人说做了什么，图简直胜过千言万语，而且经验老道的人一看图，结合数据背景啥的，就能看出n多东西，甚至能知道你内部编程是不是犯了什么错误（我在开会的时候被老板逮到过一次，当时脸都通红了）

最后我想问下小K姐一个我很担心的问题，统计的核心知识如何提高呢？我本科不是统计的，虽然每门课都很认真学了，但可能1、教的太浅或者我学的课程还不够多，或者我领悟不够；2、我没有实际的经验，所以统计知识我觉得很不扎实。比如你举得这个例子，logistic regression如何evaluate model performace，我就一下子答不上来。有时候做test，想distribution的分析，很多assumptions会搞混。有什么好办法吗？谢谢！

oceane312 发表于 2013-9-26 18:25
大家说的很对，而且我的亲身经验告诉我，小K姐所提出的，从取数据、写程序、画图、交流的能力都要会一点， ...

请去复习Linear Model和Generalized Linear Model..

基本统计面试前都要看看method的书的，里面都有讲

AIC/BIC, Model selection什么的