作者ek0424 ()
看板Soft_Job
標題Re: [請益] 在學生的就業準備與未來規劃方向
時間Sun Mar 22 11:20:21 2015
※ 引述《chucheng (時間太少事情太多)》之銘言:
: ※ 引述《TW0981081007 (bleed1979)》之銘言:
: 恕刪
: 資料探勘易學難精,以工作機會而言,專心當個碼農會快樂一點
: 想作夢進Start up ,把Ruby 和相關的Framework好好學一學
: 想進一般公司,把Java相關的技術好好補起來
: 或是走前端,好好學學Javascript / CSS,一樣很有前途
: Data Mining不是裝裝Library,架一下套件就搞定的
: 要了解背後各種技術的邏輯,比你想像中的難
: 讓我舉個例好了,這幾年很紅的Topic Modeling,像是LDA
: http://en.wikipedia.org/wiki/Latent_Dirichlet_allocation
: David M. Blei的 Paper,你可以試著讀一讀
: 很快你就會發現,要搞懂一樣技術,要很久很久
: 你可以在網路上抓一推套件,裝進去,調一調參數
: 但你要了解每個參數背後的意義,甚至了解什麼時候該用,不該用
: 那你非得搞懂整個原理不可
: 這條路比你選擇任何上面(碼農)累的多
: 工作機會也未必比較多(怨),投報率也不會比較好
: 沒有熱情,別往那條路走
: 至於用英文寫論文…我不建議
: 一樣是投報率的問題,與其用英文寫論文,不然用英文寫一個Short Paper (2-4頁)
: 至少還是個發表,還能順便去Conference增廣建聞
: 教授對於Short Paper會認真看,給意見,因為那也是他的發表,他的名字在上面
: 用英文寫的論文,通常最後錯誤百出,然後大家一忙,也就隨便讓你過了…
: 然後醜醜的論文還要永遠存在網路上給大家笑笑(十、二十年後回看,自己也笑笑)
: 寫一篇短Paper,找教授Review,甚至找專業編修
: 上了之後可以永遠放在你的履歷上 (沒人會管你有沒付錢找編修,或教授幫改)
: 碩士能寫出第一作者的短Paper,至少也留下一個好的回憶
: 假使那天想不開想唸博士,這篇Paper 肯定會幫到你申請:)
謝謝您的建議~
好巧哦~我之前剛好就接觸過LDA這類的Topic Model相關的研究,其實也是像您所說的
在資料探勘上我一直覺得是應用蠻廣泛的,但在就業市場上的確很少聽到徵求相關
的專長工作,尤其在台灣好像更是少之又少(大概除了中研院等相關研究機構才會要吧?)
另外像Conference的部分有投過兩篇短的,一篇中文一篇英文,不過我一直很好奇一般
業界在找人真的也會看論文做過什麼嗎?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.137.15.87
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1426994423.A.528.html
→ cpper: 台灣業界找人很少在看paper的啦, 主管看的懂英文嗎? 03/22 17:46
→ cpper: 不過勸你真的別浪費生命在big data與mining上面 03/22 17:46
→ cpper: 把C搞好,去硬體廠才是王道 03/22 17:47
推 kaibaseto: 推樓上QQ 03/22 21:50
→ recorriendo: 沒在業界打滾一陣子 什麼規劃都是假的 03/23 00:05
→ recorriendo: 把履歷準備好 多投些公司 看哪個錢多就去就好了 03/23 00:05
推 c0758: 我打開104 就後悔當初選了data mining的lab 有也是給高手的 03/23 22:05
推 ProfessUX: big data第一課 104每個頁面都爬下來 03/25 07:58
→ ProfessUX: 強的爬linkedin 統計用量 決定你的出路 03/25 07:59
推 ProfessUX: mining預測不出趨勢 請問你能預測什麼未來? 03/25 08:01
推 ProfessUX: 第一步你連決定data來源和variables都無法 03/25 08:04
→ ProfessUX: 很容易花一堆時間爬garbage 最後garbage out 03/25 08:05
→ ek0424: 對阿 mining實在大學問 台灣連電商都推薦系統都… 03/26 01:14