Data Scientist 炼成记录-更新完毕2018年12月 | 机器学习练成记录 - 已开新帖

楼主好棒！

太长期的计划对我来说不现实，那我从最近的实际需求出发，迈出一小步好了：
Coursera R Programming，4周的课，希望能坚持下来！

小K 发表于 2014-12-1 02:14
看了一个FB的data scientist manager写的帖子，顿时有种我完全不想做DS了的感觉！
http://www.mitbbs.com/ ...

强烈建议大家读这篇帖子。虽然里面观点我本人并不是都同意，但是很清楚的讲了FB的要求和结构，和product sense这件事的要求。

=========================
我目前的地方跟fb product DS的要求非常不同。组里刚刚据了一个已经手拿FBoffer的人（因为家庭等其他原因来这里面试的，实话实说这里的钱绝对没有FB多），评价是统计，编程能力都below bar，沟通不错。也许是这里跟fb 的core DS更像。

市面上不同公司的口味好像差异很大，在一个组里被认为不够格的，也许在另外一个地方会被认为很好。

看过市面职位，感觉仍然是偏data engineer的占绝大多数。即使如此，数科职位仍然远远比码农要少。虽然数科仍然是不错的选择，但是除非是真爱，假设两边都可以，建议能码农就码农。
==================
同时希望echo MIT楼主的说法，对产品要有热情。亲自的感受的确如此，有兴趣的问题，用各种角度考虑找答案就很自然。如果没兴趣的产品就会懒得想太多。虽然还没有工作的时候觉得只要有还好的工作都可以去做，但是做一阵子还是会觉得”热情“很重要。最近对“产品认同和热情”做了很多思考。忘记在什么地方看见的 ，说IT行业需要招更diverse背景的人，不同角度不同思路才能把产品做的更好用。双手双脚赞成。
==================
做研究的和做产品数科的，貌似两套思路不太一样。直接说两种talent不同有点过了，但是思路跟倾向性肯定是不同的。我自己自认为product sense 没问题，但是觉得research比较有意思，同时也认同做产品更有直接impact 和意义。

小K 发表于 2014-12-1 18:14
看了一个FB的data scientist manager写的帖子，顿时有种我完全不想做DS了的感觉！
http://www.mitbbs.com/ ...

谢谢K姐分享！

觉得里面提到的analytical/critical thinking很重要。不知道有哪些资料可以找来看看？  case study？
我觉得从学校刚毕业出来的话，business sense会很需要提高。

最近面试的时候就被问到了和业务相关的 open-ended的question. 更意识到提高这方面的紧迫性。

穆凌寒 发表于 2014-12-8 18:56
谢谢K姐分享！

觉得里面提到的analytical/critical thinking很重要。不知道有哪些资料可以找来看看？  ...

http://www.1point3acres.com/bbs/thread-111681-1-1.html

小K 发表于 2014-12-11 14:28
http://www.1point3acres.com/bbs/thread-111681-1-1.html

干货！
谢啦！

赞赞赞楼主~~

感觉要学的东西好多啊，谢谢楼主指点

谢谢楼主！！！这么好的帖子才看到TT
一直知道自己需要学的东西很多，但是没有过系统的指导，这个帖子太有帮助啦！
现在复习+做project+找工作面试焦头烂额中，会慢慢爬楼，可能以后会来骚扰楼主的，先谢过！

请问K姐关于，Bayesian的一部分的那门coursera课程名字就叫graphical model吗？我搜了下貌似没找到，能否告知是哪个学校开设的课程，或给个课程链接？

有一部分内容之前没提到，就是系统设计
之前内容大部分停留在offline analysis上，就是数据跑出来，你分析分析，然后告诉别人里面有什么insight
但是你说这跟analyst到底有什么区别呢？我目前的想法是，DS应该是能自己把这个insight做出数据产品来，不局限于offline analysis也要可以提供online solution
所谓solution包括你去如何收集数据(data engineering)，收集什么数据 (business understanding and metric development)，放什么地方(data engineering)，怎么分析，用什么方法什么工具什么模型分析(analysis and modeling)，分析出来的结果应该是什么，这个结果如何整合进产品环节(just engineering here?)，直接改进产品，比如update模型，需要考虑的问题很多，monitoring, data quality, capacity, performance什么的
现在个人对这些比较感兴趣，也的确眼睁睁看着感觉这些事情对整个business比一个离线的regression或者ML更加有用。

过去我倾向于觉得，很少有人能把这些事情都做好，数科本来就需要一个团队么。但是现在教育也在改进，也有计算机硕士学位的统计博士啊，EE博士加经济硕士啊这种牛叉的人，可以对这些事情的大面上都有不错的把握，这样才好做的出好的数据产品，推动好的产品