Re: [請益] 在學生的就業準備與未來規劃方向

[ek0424 ()]

※ 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?
→ cpper: 不過勸你真的別浪費生命在big data與mining上面
→ cpper: 把C搞好,去硬體廠才是王道
推 kaibaseto: 推樓上QQ
→ recorriendo: 沒在業界打滾一陣子 什麼規劃都是假的
→ recorriendo: 把履歷準備好 多投些公司 看哪個錢多就去就好了
推 c0758: 我打開104 就後悔當初選了data mining的lab 有也是給高手的
推 ProfessUX: big data第一課 104每個頁面都爬下來
→ ProfessUX: 強的爬linkedin 統計用量 決定你的出路
推 ProfessUX: mining預測不出趨勢 請問你能預測什麼未來？
推 ProfessUX: 第一步你連決定data來源和variables都無法
→ ProfessUX: 很容易花一堆時間爬garbage 最後garbage out
→ ek0424: 對阿 mining實在大學問 台灣連電商都推薦系統都…