Fw: [請益] 值得花十萬到巨匠 學大數據軟體嗎？

[cywhale (cywhale)]

※ [本文轉錄自 Soft_Job 看板 #1ONrR3BY ]

作者: Wush978 (拒看低質媒體) 看板: Soft_Job
標題: Re: [請益] 值得花十萬到巨匠 學大數據軟體嗎？
時間: Sun Dec 25 13:18:56 2016

※ 引述《s00771book (320)》之銘言：
: 想問問前輩們
: 目前小妹的工作只是個
: 用BI cognos 拉資料做數據分析的助理
: 再用Excel樞紐分析 寫寫函數
: 做報告給主管看的工作
: 薪水少之又少 也不算是一技之長
: 根本不足以與大數據相提並論
: 目前嚮往大數據工作的方向
: (也是很有未來的工作 大陸已經很成熟了)
: 查看了104人力銀行
: 大數據分析工作需要的條件:
: MS SQL 資料探勘 R語言 Hedoop
: 所以我去巨匠諮詢了一下
: 課程規劃師說要學 MCSA MCSE
: 再考微軟證照70-461.462.463.464.465
: 才算是完全學會這套軟體
: 和證明給面試官看
: 但是學費竟然快要十萬
: 想請問有在做這方面工作的朋友們
: 真的值得花這筆錢嗎？
: P.S.我只是個國立科大 企管+金融的學士而已
: 沒有漂亮的學歷 只能學一技之長補足自己
: 也不是資工 資管的科系的
: 希望前輩們能給我建議 謝謝你們>////<


如果要走數據分析（抱歉，我不太喜歡用大數據這個詞）的話，

從學R 入門也是一個方法。

資料科學有三個要素：programming, statistics, domain knowledge

我自己在台灣的職涯差不多是：

有programming --> 薪資為 n

有programming + statistics ( 差不多是 machine learning ) --> 2n

有programming + statistics + domain knowledge --> 4n

你目前已經在工作了，只要花心思就可以開始累積domain knowledge：

你們領域中在意的問題是什麼？哪些方向？各種問題的價值？... etc



Programming的話坊間已經有很多自學教材了。

我這邊推薦我與社群做的： R語言翻轉教室 http://datascienceandr.org

你可以自由的使用它做自學R 語言，大概會花你12-18小時。

教材中我自認寫的最滿意的是Data Engineer的那段，

感謝社群朋友的捐獻，拿一個利用Open Data計算房地產泡沫化指數的小專案當成作業

因為原始資料完全沒有清理，所以這個作業差不多是一個期末報告的難度

但是它非常的貼近實際做資料科學與Open Data相關工作的情境。

這個教材對沒有程式基礎的同學比較挑戰，

有問題，網頁的右下角有聊天室可以問我，

或是你也可以考慮先使用其他教材。

台灣的R社群中還有：

- ptt R_Language版的板主：andrew 的「R 演習室」

     http://apansharing.blogspot.tw/p/r.html

- Tony Yao-Jen Kuo 與 Data Camp合作的教材： https://goo.gl/KxjhIq

    這套與R語言翻轉教室很類似，差異在：

        - 是不用搞安裝環境，想嘗試可以更快開始嘗試

        - 課程內容差不多是R語言翻轉教室RBasic的範疇，但是難度應該對新手更友善

         （我最近正計畫要降低R語言翻轉教室的難度 ...）

R還有非常多其他的線上自學資源，族繁不及備載

其實你也不一定要學R, python 也是和R 一樣好的分析工具，網路上也可以找到很多

自學資源



我覺得你「能不能運用自學資源自學工具」其實是衡量自己Programming能力的指標。

如果不能的話，就先好好學一套工具，基本上就具備這個能力了。




最後分析的能力，我覺得這是自學比較難補充的部份。

如果數學夠好，就去啃書本吧。

另一種作法，是去分析的單位做Data Engineer，或是做研究助理，然後一邊工作一邊學

但是最好還是去補個與你想投入領域相關的碩士學位。

因為分析這種事情，很看個人的信譽、聲望，而且也離不開domain knowledge。

好的人做的分析報告，大家直接跳到結論。不好的人，就算你該做的都做了也沒人信。



要走這條路，一輩子也都要學習，共勉之。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.163.178.87
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1482643139.A.2E2.html
→ beaprayguy: 終於有人點出大數據不等於資料科學，
→ beaprayguy: 我超覺得一直強調大數據根本有事一一...
大數據是個定義不明確的詞彙，所以要介紹怎麼學大數據，

問100個人大概會有25個說法，然後就戰了。

相對來說，資料科學是比較定義明確的詞彙，

從公認的三個要素（programming, statistics, domain knowledge）分開來介紹，

也是比較好寫的。

→ YishengSu: 比較像統計工程?
推 neo5277: 2n挺吸引人的 ，4n也是
推 bronx0807: 推
※ 編輯: Wush978 (1.163.178.87), 12/25/2016 13:58:00
推 sivid: 推推
推 yahoo523: 吳大文必推 用過他的翻轉教室課程 很厲害!!
推 y800122155: 推學長! ....HW6還沒做完><
推 cmelo1515: wush大就是帥
推 wuchihsu: 推推
推 Trick: 所以N是多少呢？
推 LMY8684: 朝聖推
推 kenshin528: 釣出神人
推 joker0634: 看到WUSH只好推了
推 babypanda: 推，資料科學
推 jakert123: 到底哪裡有開放的data可以讓人學大數據
→ beaprayguy: 開放政府
→ vn509942: 感謝分享
推 eric500g: 推
推 mirage7714: 推Wish大大
推 frankshih: 推 wush
推 snakeooxx: 朝聖 Wush <(_ _)>
推 powergreen: 推推推
推 cywhale: 推Wush大~
推 cywhale: 另推一篇翟本喬https://goo.gl/mLHMdS不要奢望程式速成班
※ 發信站: 批踢踢實業坊(ptt.cc)
※ 轉錄者: cywhale (140.112.65.48), 12/27/2016 13:23:27
→ cywhale: 推一下Wush大在soft job版發的文~(應不用修前面推文吧~
→ Wush978: 其實我只是想繼續推教材啦，哈哈哈
→ Wush978: 這邊已經有置底了
→ f496328mm: 請問，學machine learning，需要自己寫演算法嗎？
→ obarisk: 你問的演算法是那個層次的演算法？
推 f496328mm: 因為我目前都是用其他人寫好的packages
→ f496328mm: 未來工作 , 不知道需不需要 , 自己寫ML
→ Wush978: 如果是一般的情況，可能不用自己會寫算法
→ Wush978: 我的情況是資料量大，一般ML套件都不能用，所以要自己能
→ Wush978: 寫才能跑得動
→ Wush978: 如果一般套件能跑出好結果的話，我也傾向用一般套件先做
→ Wush978: 兩種工作內容（找精準的算法、寫算法）在大公司可能是分
→ Wush978: 開的職位或部門
推 f496328mm: 感謝
推 psinqoo: 實在不想說~~ 有些公司要找神人 會資料庫、分析、演算法
→ psinqoo: 開那種爛價格~~ 農曆年我會整理一下這些公司資訊
→ clansoda: 想請問wush大，什麼樣的定義叫做資料大呢
→ clansoda: 而為什麼自己寫的跟library裡面的速度上會有差異
→ clansoda: 作者應該也有考量過這些問題吧，我目前跑起來在e1071
→ clansoda: 裡面的svm速度確實不是很理想，這跟library本身有關嗎
推 f496328mm: svm超級慢  幾萬筆就掛了
→ f496328mm: library有些是用 c++ 寫    當然快很多  R很慢的
→ f496328mm: 推薦你用xgboost   比svm快很多  吃的ram也小
→ f496328mm: 還可以CPU全開去跑
推 michaelli02: 翟本喬：不要奢望程式速成班　https://goo.gl/mLHMdS